dynamical systems
PulseAugur coverage of dynamical systems — every cluster mentioning dynamical systems across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
微分方程启发新型深度神经网络架构
一篇新论文探讨了将微分方程与深度神经网络相结合，以增强AI的理论理解、可解释性和泛化能力。该研究回顾了受常微分方程和随机微分方程启发的架构和建模方法，并通过数值比较来说明其性能。作者认为，这种跨学科方法为开发更具洞察力和更鲁棒的计算智能提供了有前景的途径。
-
基于方差演化理论分析蝙蝠算法参数设置
本文深入探讨了蝙蝠算法（一种进化计算算法）的参数设置的理论分析。研究人员证明，应用动力学系统理论并分析种群方差演化可以得出有效的参数范围。这种理论方法的结果与数值实验结果一致，为算法的探索、开发和收敛行为提供了见解。
-
论文认为时间序列建模需要动力学系统视角
一篇新的立场论文提出，时间序列建模应采用动力学系统视角来推动该领域的发展。作者认为，大多数时间序列源于潜在的动力学系统，认识到这一点有助于解决当前预测和泛化方面的局限性。他们建议关注动力学系统重构（DSR）训练技术，在动力学系统模拟上预训练模型，并重新考虑使用Transformer，转而采用现代RNN来捕捉时间动态。该论文还强调了解决拓扑变化和利用通用动力学系统特性以更机制化地理解时间序列的重要性。
-
新的神经网络架构应对复杂的科学计算问题 · 跟踪 8 个来源
研究人员正在开发新颖的神经网络架构来求解复杂的偏微分方程 (PDE) 和建模动力学系统。这包括用于离子传输的面向结构的随机神经网络 (SO-RaNN)，用于具有已知图结构的_时间序列_预测的_信息_神经_控制_微分方程 (INDEQS)，以及用于高保真 PDE 解的_启动器-迭代器_神经算子 (SINO)。此外，还提出了正交正则化 (OrthoReg) 来通过防止组件之间的重叠来改进混合符号-神经模型，而其他工作则探索了现代神经网络架…
-
新基准揭示LLM在动态系统中的逻辑缺陷
研究人员推出了ChaosBench-Logic v2，这是一个旨在严格评估大型语言模型逻辑推理能力的新基准，特别是在动态系统方面。该基准突出了标准准确性指标常常掩盖的关键故障模式，例如先验崩溃和释义不一致。对14个模型的评估显示，虽然前沿模型在状态转移推理方面存在困难，但Qwen 2.5-32B等开源模型在特定诊断领域表现出色。
-
新方法使用生成式模拟器进行可扩展的贝叶斯滤波
研究人员开发了一种使用生成式模拟器（特别是扩散模型）进行贝叶斯滤波的新颖方法。该方法允许在无需额外训练的情况下实现粒子滤波的最优变体，克服了高维系统的可扩展性问题。在包括大气动力学在内的复杂系统上的实验表明了该技术在高维环境中的有效性。
-
DOODL 框架学习跨系统的共享谱动力学
研究人员开发了一个名为 DOODL（Dynamical OperatOr Dictionary Learning）的新框架，用于同时分析和学习多个相关的动力学系统。该方法识别谱动力学中的共享结构，从而实现更准确、更高效的算子估计，尤其是在数据稀疏的情况下。实验表明，DOODL 在复杂模拟上的表现显著优于独立估计方法。