从混沌中学习方程:噪声 5 倍于信号仍能恢复正确动力学形式
bravo_abad · x · 2026-10-10
机器学习能否从几乎不可预测的混沌系统中发现方程?混沌使轨迹拟合极不稳定,微小误差指数增长。
Chesebro 等人的新方法直接解决训练问题:将已知微分方程与学习缺失项的神经网络结合,训练中用预测误差的反馈稳定动力学,再用符号回归把学到的修正转化为显式数学方程。
在一个混沌电路实验中,即使一路测量的噪声强度是信号的 5 倍,该方法仍恢复了正确的函数形式;随后应用于模拟神经元网络,导出了降阶方程。
「研究」频道最新
- IFM 开源 RL360:8192 并发沙箱、130 万 rollouts 的 RL 基建 — rupspace · 2026-10-23
- 号称匹敌 GPT-6.1 的 DNA 模型遭实测打脸：10 例 8 例不如随机 — anshulkundaje · 2026-10-23
- AI 揭穿阴谋论研究风波落幕：Science 撤回关注声明，结论不变 — DG_Rand · 2026-10-23
- Embodied First Exam：一行代码在 44 台机器人上考你的 Agent — ManlingLi_ · 2026-10-23
- Anima Anandkumar 演讲：AI 气象模型胜超算，但不会取代科学家 — AnimaAnandkumar · 2026-10-23
- GLM-5.3-Flash 实现 1M token 上下文训练，较基线提升 64 倍 — AndrewLBeam · 2026-10-23