利用回声状态网络学习单向耦合
机器学习
2023-06-21 v1
摘要
储备池计算在复杂动力学领域已发现许多潜在应用。在本文中，我们利用回声状态网络（ESN）模型的卓越能力，使其仅从系统的少量时间序列数据中学习一种单向耦合方案。我们表明，一旦用驱动-响应系统的若干示例动力学进行训练，该机器便能够为具有相同耦合的任意驱动信号预测响应系统的动力学。在训练中仅使用 型驱动-响应系统的少量时间序列数据，就足以让 ESN 学习该耦合方案。训练后，即使我们将驱动系统 替换为不同的系统 ，ESN 也能仅利用新驱动系统 的动力学来复现响应系统 的动力学。
引用
@article{arxiv.2303.13562,
title = {Learning unidirectional coupling using echo-state network},
author = {Swarnendu Mandal and Manish Dev Shrimali},
journal= {arXiv preprint arXiv:2303.13562},
year = {2023}
}