基于機器學習由暫態(tài)數(shù)據(jù)預測系統(tǒng)的演化

摘要： 如何通過少量的暫態(tài)數(shù)據(jù)去預測系統(tǒng)的長時間的動力學行為，是一個重要問題.對Sturat-Landau系統(tǒng)、布魯塞爾振子以及Belousov-Zhabotinsky系統(tǒng)的穩(wěn)態(tài)數(shù)據(jù)進行采集，并輸入到儲備池神經(jīng)網(wǎng)絡里進行訓練；然后基于3個系統(tǒng)采集的少量的暫態(tài)數(shù)據(jù)，利用已經(jīng)訓練好的神經(jīng)網(wǎng)絡模型，能夠?qū)ζ湓诓煌瑓?shù)下長時間的動力學行為精準地預測.研究結(jié)果有利于加深對復雜系統(tǒng)如何對外來的變化... （共7頁）