Xuyang Liu

新的弱惩罚NODE方法改进了从噪声数据中对混沌系统进行建模

研究人员开发了一种名为弱惩罚NODE的新方法，用于提高神经常微分方程（Neural ODE）在从噪声时间序列数据建模混沌动力学系统时的准确性。该方法利用一种弱形式，类似于用模型拟合滤波后的数据，能够有效地滤除噪声，提高短期预测精度，同时保留长期不变性。弱惩罚NODE计算效率高，与求解器无关，并在基准混沌系统和真实气候数据集上表现出稳健的性能。