实体
Lorenz-63 model
Lorenz-63 model
PulseAugur coverage of Lorenz-63 model — every cluster mentioning Lorenz-63 model across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新型自适应模型增强混沌时间序列预测能力
研究人员开发了一种新的自适应非线性向量自回归（NVAR）模型，该模型能够改进对噪声和混沌时间序列数据的预测。该模型将线性输入与可训练多层感知器（MLP）生成的特征相结合，使其能够学习数据驱动的非线性。与传统的NVAR和水库计算方法不同，这种自适应方法通过基于梯度的优化进行联合训练，提高了可扩展性和预测精度，尤其是在噪声条件下。实验表明，该模型在Lorenz-63模型和厄尔尼诺-南方涛动等混沌系统上优于标准的NVAR和回声状态网络。
-
混沌系统实现机器精度预测
一篇新研究论文表明，可以从无噪声数据中以机器精度预测低维混沌系统。该研究引入了一种系统无关的方法，使用具有高次多项式特征和 512 位算术的普通最小二乘回归。这种方法实现的预测时间比以前的方法长得多，对于 Lorenz-63 系统可延长至 36 个 Lyapunov 时间，并且随着优化精度的提高，还可以进一步延长。研究结果在 Thomas 的循环对称吸引子和 Lorenz-96 模型等更复杂的系统上得到了验证，表明从干净数据预测此类系…