减小网络规模，改善储层计算的预测稳定性
摘要：蓄水池计算是一种非常有前途的方法，用于预测复杂的非线性动态系统。除了捕捉非线性系统的精确短期轨迹外，它还被证明可以非常准确地再现其特征的长期属性。然而，并非始终能够同样有效地进行预测。已经表明，蓄水池的不同随机实现之间的短期和长期预测差异显著。为了更好地理解蓄水池计算的最佳适用情况，我们系统地研究了蓄水池各个实现的一些差异性质。我们发现，删除与输出回归矩阵中最大权重对应的节点可以减少异常值并改善整体预测质量。此外，这还可以有效地减小网络规模，从而提高计算效率。此外，我们在激活函数的双曲正切中使用了非线性的缩放因子。这调整了激活函数对节点输入变量值范围的响应。因此，这显著减少了异常值的数量，并增加了本研究中所调查的非线性系统的短期和长期预测质量。我们的结果表明，对于给定数据集，通过系统地优化差异化蓄水池属性，存在大量的优化潜力。
作者：Alexander Haluszczynski, Jonas Aumeier, Joschka Herteux and Christoph R"ath
论文ID：2003.03178
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2020-06-19