基于树的学习方法用于混沌的高保真预测
机器学习
2025-07-04 v2 动力系统
混沌动力学
数据分析、统计与概率
机器学习
摘要
对混沌系统的时间演化进行无模型预测至关重要但极具挑战性。现有的解决方案需要超参数调优，这严重阻碍了它们的广泛应用。在这项工作中，我们引入了一种无需超参数调优的基于树的方法：TreeDOX。它使用时滞超嵌入作为显式短期记忆，并使用极端随机树回归器进行特征降维和预测。我们使用 Henon 映射、Lorenz 和 Kuramoto-Sivashinsky 系统以及真实世界的南方涛动指数，展示了 TreeDOX 的最先进性能。
引用
@article{arxiv.2403.13836,
title = {Tree-based Learning for High-Fidelity Prediction of Chaos},
author = {Adam Giammarese and Kamal Rana and Erik M. Bollt and Nishant Malik},
journal= {arXiv preprint arXiv:2403.13836},
year = {2025}
}