第2回富山応用数学セミナー

時間遅れ座標系を用いた機械学習による流体や気象の時間発展モデリング

リザーバーコンピューティングと呼ばれる機械学習手法が決定論的ダイナミクスの時間発展モデリングに有効であることがわかってきている。 我々は、低次元の決定論的ダイナミクスの時系列を学習し得られた時間発展モデルが、背後の力学系構造をどの程度再現できるかを明らかにしている。 本講演では応用例として、流体や気象のマクロ変数の時系列データを用いた時間発展モデリングについて述べる。