关于神经先验在动力系统建模中有效性的探讨
机器学习
2023-03-13 v1 信号处理
摘要
建模动力系统是理解自然世界不可或缺的组成部分。为此，神经网络正成为日益流行的候选方法，因其能够从大量数据中学习复杂函数。尽管取得了近期进展，关于神经网络在学习此类系统时提供的架构正则化尚未有充分讨论，阻碍了其高效使用。本文以坐标网络为试验平台，就此方向展开讨论。我们从信号处理视角解读动力系统与坐标网络，并表明具有少量层的简单坐标网络无需任何显式正则化器即可用于解决动力系统建模中的多个问题。
引用
@article{arxiv.2303.05728,
title = {On the effectiveness of neural priors in modeling dynamical systems},
author = {Sameera Ramasinghe and Hemanth Saratchandran and Violetta Shevchenko and Simon Lucey},
journal= {arXiv preprint arXiv:2303.05728},
year = {2023}
}