Feb, 2018
利用长短期记忆网络对高维混沌系统进行数据驱动的预测
Data-Driven Forecasting of High-Dimensional Chaotic Systems with Long Short-Term Memory Networks
Pantelis R. Vlachas, Wonmin Byeon, Zhong Y. Wan, Themistoklis P. Sapsis, Petros Koumoutsakos
TL;DR使用基于数据驱动的长短时记忆(LSTM)循环神经网络的预测方法,展示了该方法在高维混沌系统中的定量预测效果,并提出了一种新的具有混合结构的 LSTM 神经网络。与高斯过程相比,LSTM 在所有应用中都表现出更好的短期预测准确性,并且 MSM-LSTM 可以保证收敛到不变措施。