关于循环神经网络在含噪动力系统上行为的简短注记
神经与进化计算
2019-04-11 v1 机器学习
计算物理
数据分析、统计与概率
摘要
通过在具有广泛噪声水平的Mackey-Glass时间序列上训练一组长短期记忆网络（LSTM），研究了循环神经网络在含噪动力系统数据驱动模拟中的行为。研究发现，随着训练噪声增大，LSTM学会更多地依赖其自主动力学而非含噪输入数据。结果，在含噪数据上训练的LSTM对数据中的扰动较不敏感，但具有更长的弛豫时间尺度。另一方面，当在无噪数据上训练时，LSTM对微小扰动极其敏感，但能够调整以适应输入数据的变化。
引用
@article{arxiv.1904.05158,
title = {Short note on the behavior of recurrent neural network for noisy dynamical system},
author = {Kyongmin Yeo},
journal= {arXiv preprint arXiv:1904.05158},
year = {2019}
}