基于機器學習由暫態(tài)數據預測系統的演化

摘要： 如何通過少量的暫態(tài)數據去預測系統的長時間的動力學行為，是一個重要問題.對Sturat-Landau系統、布魯塞爾振子以及Belousov-Zhabotinsky系統的穩(wěn)態(tài)數據進行采集，并輸入到儲備池神經網絡里進行訓練；然后基于3個系統采集的少量的暫態(tài)數據，利用已經訓練好的神經網絡模型，能夠對其在不同參數下長時間的動力學行為精準地預測.研究結果有利于加深對復雜系統如何對外來的變化... （共7頁）