Ученые Петрозаводского государственного университета предложили новый метод оценки хаотических систем с использованием машинного обучения. Об этом сообщили на информационном портале. Разработанный алгоритм анализирует поведение системы и измеряет скорость ее изменения. Точность метода превышает 99% на эталонных моделях, при этом для анализа требуется всего 450 точек данных вместо тысяч в классических подходах. С помощью нашего подхода можно быстро проанализировать экспериментальные данные и определить, насколько система хаотична. Использование машинного обучения дает возможность эффективно работать даже с данными низкого качества, — рассказал руководитель проекта Андрей Величко. Метод сохраняет высокую точность при наличии шумов в сигнале, что позволяет применять его в реальных экспериментах. Разработка может использоваться в энергетике для оценки устойчивости систем, в метеорологии для уточнения пределов предсказуемости погоды, а также в медицине для диагностики нарушений.
Ученые Петрозаводского государственного университета предложили новый метод оценки хаотических систем с использованием машинного обучения. Об этом сообщили на информационном портале.
Разработанный алгоритм анализирует поведение системы и измеряет скорость ее изменения. Точность метода превышает 99% на эталонных моделях, при этом для анализа требуется всего 450 точек данных вместо тысяч в классических подходах.
С помощью нашего подхода можно быстро проанализировать экспериментальные данные и определить, насколько система хаотична. Использование машинного обучения дает возможность эффективно работать даже с данными низкого качества, — рассказал руководитель проекта Андрей Величко.
Метод сохраняет высокую точность при наличии шумов в сигнале, что позволяет применять его в реальных экспериментах. Разработка может использоваться в энергетике для оценки устойчивости систем, в метеорологии для уточнения пределов предсказуемости погоды, а также в медицине для диагностики нарушений.