科学家用机器学习"预测"混沌系统的长期演化

学习
  • AIUST.Com由pexels供图
  • 2018-04-19 21:17

Machine Learning-693859.jpeg

科学家利用最近在机器学习领域取得的进展,称为"储备池计算(reservoir computing)",从混沌过程的Lyapunov指数数据中提出一种无模型估计方法。然后使用学习的输出权重形成一个修改后的自主储备池,该储备池被设计成能够产生任意长的时间序列,其遍历性质接近于输入信号的遍历性质。

科学家用Lorenz系统和Kuramoto-Sivashinsky(KS)方程来证明该项技术的有效性。该技术使用有限的时间序列测量作为高维动态系统作为储备池的输入。记录储备池对数据的响应后,使用线性回归来学习一大组参数,称为"输出权重"。

科学家在《Physical Review Letters》 和《Chaos》期刊上发表报告,使用机器学习预测混沌系统的长期演化。这种方法被外部专家称赞为重大突破,被认为具有广泛的应用前景。


来源:AIUST.Com作者:编辑:jiyang

本文链接://www.trytod.com/article/20180419/89.html

声明:除非注明,本站文章均为AIUST.Com原创或编译,转载时请注明文章作者和"来源:AIUST.Com",AIUST.Com尊重行业规范,每篇文章都标有明确的作者和来源。文章为作者观点,不代表AIUST.Com立场。

相关文章

资讯

原创

荐读

热门标签