使用下一代储备池计算学习时空混沌
机器学习
2022-09-27 v3 神经与进化计算
混沌动力学
摘要
使用机器学习预测高维动力系统的行为需要高效的方法来学习底层物理模型。我们展示了一种机器学习架构的时空混沌预测，当其与下一代储备池计算机结合时，表现出最先进的性能，其训练过程的计算时间比其他机器学习算法快 倍，且训练数据集小 倍。我们还利用模型的平移对称性进一步降低计算成本和训练数据，各自降低约 10 倍。
引用
@article{arxiv.2203.13294,
title = {Learning Spatiotemporal Chaos Using Next-Generation Reservoir Computing},
author = {Wendson A. S. Barbosa and Daniel J. Gauthier},
journal= {arXiv preprint arXiv:2203.13294},
year = {2022}
}
备注
11 pages, 10 figures