本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
在本文中，我們研究了在不完全資訊下推斷動力系統初始條件的問題。透過研究幾個模型系統，我們推斷出當觀測值稀疏、有雜訊並且在（可能）非線性觀測算子下聚合時，最好地再現觀測到的時間序列的潛在微觀狀態。這是透過使用基於梯度的方法最小化觀測時間序列和模型模擬時間序列之間的最小二乘距離來完成的。我們透過進行樣本外預測來驗證洛倫茲和麥基-格拉斯系統的這種方法。最後，我們分析了我們方法的預測能力作為可用觀測數量的函數。我們發現了 Mackey-Glass 系統的關鍵轉變，超過這個轉變它就可以以任意精確度進行初始化。