用深度神经网络重建共享动态
摘要：从动态现象背后确定隐藏的共享模式可以在多个研究领域引起变革。这里我们提出了原则，并展示了一种用两个模块的前馈神经网络结构：Mapper-Coach网络来识别时间序列中隐藏的共享动态的方法。我们从两个同时强迫的混沌Logistic映射的观察值中重构未观测到的连续潜变量输入，即由混沌Logistic映射生成的时间序列。网络经过误差反向传播的训练来预测其中一个观察到的时间序列，基于它自己的过去，并受到另一个观察到的时间序列的条件影响。研究表明，成功学习了这种预测之后，连接Mapper模块和Coach模块的瓶颈神经元的活动与隐藏的共享输入变量强相关。这种方法有潜力揭示动力系统的隐藏成分，在实验干预不可能的情况下。
作者：Zsigmond BenkH{o}, Zolt''an Somogyv''ari
论文ID：2105.02322
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-10-17