chaos | BriefGPT - AI 论文速递

关键词chaos

搜索结果 - 7

利用混沌动力学作为深度神经网络的开发
本研究揭示了混沌的本质可以在各种先进的深度神经网络中找到，并基于这一发现提出了一种直接利用混沌动力学进行深度学习架构的新方法。通过对不同混沌系统进行系统评估，我们发现我们的框架在准确性、收敛速度和效率方面均优于传统深度神经网络。此外，我们还
PDFa month ago
蝴蝶引起的变化：群体储层变压器的远见预测
通过引入群组储水池变换器，以应对混沌中存在的两个挑战：大量历史序列和对初始条件的敏感性，更准确、更可靠地预测长期事件，我们的架构在多变量时间序列中始终优于最先进的深度神经网络模型，包括 NLinear、Pyformer、Informer、A
PDF5 months ago
自适应学习速率仍无法解决大规模多智能体学习中的混沌问题
在大规模拥挤博弈中，即使使用自适应学习率，也无法消除混沌行为，我们的实验表明系统参数的微小变化会导致各种不可预测的结果。
PDFa year ago
ICLR循环神经网络有多混沌？
通过系统实证分析，本文发现在文本生成等实际应用场景下，基本的 RNN 或 LSTM RNN 的训练过程中不会表现出混沌行为，这一发现说明未来的研究应该将方向放在非线性动力学的另一个方面上。
PDF4 years ago
物理增强的神经网络预测有序与混沌
使用结构和对称性的 Hamilton 神经网络预测非线性系统从秩序到混沌的相空间轨迹，以亨农 - 海尔斯系统为例进行实证研究，该技术的实用性和混沌广泛存在性启示着广泛的应用前景。
PDF5 years ago
NIPS均场剩余网络：朝向混沌的边缘
本研究旨在证明，通过添加跳跃连接，残差网络将采用基于解析方法确定的次指数正向和反向动态，从而有效地保护输入空间几何形态和梯度信息流。我们证明理论和实证，Xavier 或 He 方案等通用初始方案不是残差网络的最佳选择。
PDF7 years ago
通过瞬态混沌实现深度神经网络的指数表现能力
本文利用黎曼几何和高维混沌的平均场理论相结合，研究了具有随机权重的通用深度神经网络中信号传播的性质。我们的研究结果揭示了从秩序相到混沌相的表达能力相变，并证明了浅层网络无法高效地计算这种深度随机函数族。此外，我们定量证明了深度网络可以将输入
PDF8 years ago