PulseAugur
实时 07:11:21
English(EN) Attractor Geometry Determines the Identifiability Limits of System Discovery

研究发现吸引子几何限制了从数据中发现方程

一篇新的研究论文探讨了动力学系统中吸引子的几何性质及其对从数据中发现控制方程的能力的影响。该研究引入了一个度量标准 lambda_min(M),该度量标准源自伯克霍夫遍历定理,它量化了吸引子覆盖函数空间的程度,并为方程发现设定了上限。研究表明,虽然混沌可以改善此度量标准,但它也会放大噪声,可能导致 SINDy 和 PySR 等不同发现算法的结果各不相同。研究结果表明,系统的固有动力学性质,而不仅仅是算法选择,从根本上限制了可以学到的内容。 AI

影响 通过分析动力学系统,为理解人工智能驱动的科学发现的极限提供了理论框架。

排序理由 关于系统发现理论方面的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

研究发现吸引子几何限制了从数据中发现方程

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Matteo Gallo, Fabio Anselmi, Paolo Lazzari ·

    吸引子几何决定系统发现的可识别性极限

    arXiv:2607.18490v1 Announce Type: new Abstract: Symbolic discovery of governing equations from data is limited not only by algorithm design and data volume, but by the geometry of the attractor: what the long-run dynamics allow to be recovered. Using a within-system design on Lor…