Глибоке навчання, кероване динамікою, для прогнозування екстремальних подій

Автори: Eirini Katsidoniotaki, Themistoklis P. Sapsis

Опубліковано: 2026-03-13

Переглянути на arXiv →
#math.DS

Анотація

Це дослідження пропонує новий підхід, який поєднує глибоке навчання з ідеями з теорії динамічних систем для покращення прогнозування екстремальних подій. Шляхом включення основної динаміки системи в архітектуру глибокого навчання метод має на меті підвищити точність та надійність прогнозів рідкісних, але значних явищ у різних галузях, таких як прогнозування погоди, обвали фінансових ринків та збої критичної інфраструктури.

Глибоке навчання, кероване динамікою, для прогнозування екстремальних подій

Автори: Eirini Katsidoniotaki, Themistoklis P. Sapsis

Опубліковано: 2026-03-13

Переглянути на arXiv →
#math.DS

Анотація

Це дослідження пропонує новий підхід, який поєднує глибоке навчання з ідеями з теорії динамічних систем для покращення прогнозування екстремальних подій. Шляхом включення основної динаміки системи в архітектуру глибокого навчання метод має на меті підвищити точність та надійність прогнозів рідкісних, але значних явищ у різних галузях, таких як прогнозування погоди, обвали фінансових ринків та збої критичної інфраструктури.

FEEDBACK

Проекти

Немає проектів

Глибоке навчання, кероване динамікою, для прогнозування екстремальних подій | ArXiv Intelligence