研究为数据驱动预测建立理论框架
热点事件持续更新
研究为数据驱动预测建立理论框架
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Edoardo Calvello等作者为动力系统的数据驱动预测提出理论框架，并证明在连续时间、无噪声设定下，预测映射存在且可由监督学习以任意精度逼近。 作者还将类似的存在性与逼近结果推广到平滑问题，即从已观测分量恢复未观测分量；实验涉及 Lorenz 63、Lorenz 96 和 Kuramoto-Sivashinsky 动力系统。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
机器学习中的预测问题构建与学习报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine Learning机器学习中的预测问题构建与学习
研究为动力系统的数据驱动预测建立理论框架，证明预测映射存在且可由监督学习以任意精度逼近。框架聚焦连续时间、无噪声设定，并将类似的存在性与逼近结果推广至从观测分量恢复未观测分量的平滑问题；实验覆盖 Lorenz `63`、Lorenz `96` 和 Kuramoto-Sivashinsky 动力系统。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。