Symbolic Neural ODEs

新框架从时间序列数据中提取可解释模型

研究人员开发了一个名为 Symbolic Neural ODEs 的新机器学习框架，旨在直接从时间序列数据中提取动态系统的可解释模型。该方法通过最小化多步预测损失来训练神经网络以预测未来状态，确保在学习到的动力学重复组合下的稳定性。该方法与促进稀疏性的正则化相结合，产生了具有改进稳定性和泛化能力的简约模型，能够准确恢复具有固定点、周期轨道和混沌吸引子等各种行为的系统。