基于深度学习的吸引盆分析
原文中文,约300字,阅读约需1分钟。发表于: 。卷积神经网络在表征多样的动力系统吸引盆复杂性和不可预测性方面的有效性进行了展示。与传统方法相比,这种新颖的方法能够以最佳方式探索动力系统的不同参数,而传统方法在表征多个吸引盆时具有计算成本较高的问题。此外,我们的研究还比较了不同卷积神经网络架构在此任务中的性能,展示了我们提出的表征方法即使使用过时的架构也优于传统方法。
本文研究了卷积神经网络在表征多样的动力系统吸引盆复杂性和不可预测性方面的有效性。与传统方法相比,这种新颖的方法能够以最佳方式探索动力系统的不同参数,而传统方法在表征多个吸引盆时具有计算成本较高的问题。研究比较了不同卷积神经网络架构在此任务中的性能,展示了提出的表征方法即使使用过时的架构也优于传统方法。