PulseAugur
中
实时 17:15:56
English(EN) A tensor network approach for chaotic time series prediction

张量网络模型增强混沌时间序列预测能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的张量网络模型，用于预测混沌时间序列，这项任务传统上一直具有挑战性。该方法建立在水库计算的基础上，这是一种利用动力学系统特性进行预测而无需大量调优的方法。新模型旨在克服先前方法（如截断Volterra级数）相关的指数参数增长问题，与传统的回声状态网络相比，提高了准确性和计算效率。 AI

影响 这项研究为预测复杂、混沌的时间序列提供了一种更有效、更准确的方法，可能使依赖此类预测的领域受益。

排序理由 该集群包含一篇关于时间序列预测新方法的学术论文。[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 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Rodrigo Mart\'inez-Pe\~na, Rom\'an Or\'us ·

    A tensor network approach for chaotic time series prediction

    arXiv:2505.17740v2 Announce Type: replace Abstract: Making accurate predictions of chaotic time series is a complex challenge. Reservoir computing, a neuromorphic-inspired approach, has emerged as a powerful tool for this task. It exploits the memory and nonlinearity of dynamical…

相关实体

相关话题