利用循环神经网络对混沌系统进行长期预测
机器学习
2020-04-06 v1 适应与自组织系统
机器学习
摘要
储备池计算系统——一类循环神经网络——近来被用于无模型、基于数据的多种混沌动力系统状态演化的预测。已展示的预测时界约为半个 dozen 李雅普诺夫时间。是否有可能将预测时间显著延长至远超目前所达？我们阐明一种将时间相关但稀疏的数据输入纳入储备池计算的方案，并证明此类对实际状态的罕见“更新”实际上能为多种混沌系统实现任意长的预测时界。基于时间同步理论发展出了一种物理理解。
引用
@article{arxiv.2004.01258,
title = {Long-term prediction of chaotic systems with recurrent neural networks},
author = {Huawei Fan and Junjie Jiang and Chun Zhang and Xingang Wang and Ying-Cheng Lai},
journal= {arXiv preprint arXiv:2004.01258},
year = {2020}
}
备注
10 pages, 8 figures