通过 SyCo-AE（合成约束自编码器）进行混沌动力学的少数据降阶建模
机器学习
2023-05-16 v1 动力系统
摘要
混沌动力学的纯数据驱动降阶建模可能导致系统灾难性地耗散或发散。利用自编码器的非线性降维以及神经网络非线性算子推断的自由度，我们旨在通过在降阶空间中施加合成约束来解决此问题。该合成约束使我们的降阶模型既拥有保持完全非线性与高度不稳定的自由，又能防止发散。我们以经典的 40 变量 Lorenz '96 方程阐释该方法，表明我们的方法能够利用更少的数据以更低误差产生中至长期预报。
引用
@article{arxiv.2305.08036,
title = {Small-data Reduced Order Modeling of Chaotic Dynamics through SyCo-AE: Synthetically Constrained Autoencoders},
author = {Andrey A. Popov and Renato Zanetti},
journal= {arXiv preprint arXiv:2305.08036},
year = {2023}
}