Укрощение сложности: Данные на службе у динамических систем
![Предложенный стохастический подход к сокращенному порядку моделирования (ROM) включает в себя вероятностный энкодер, латентное стохастическое дифференциальное уравнение (SDE) и вероятностный декодер, позволяя, на основе параметров μ, вынуждающей функции [latex]f(t)[/latex] и начального условия [latex]u_0[/latex], кодировать начальное условие в латентное пространство, решать латентное SDE для получения траекторий и декодировать полученные траектории для прогнозирования стохастического отклика исходной полномасштабной модели (FOM) [latex]u(t)[/latex], что позволяет получить как среднее значение прогноза, так и статистические границы погрешности.](https://arxiv.org/html/2601.10690v1/x1.png)
Новый подход позволяет эффективно моделировать сложные динамические системы, используя данные и методы стохастического понижения размерности.
Наука
Синтез стратегий: баланс целей в сложных системах
В новой работе представлена эффективная методика символического синтеза стратегий, позволяющая учитывать множество требований и находить оптимальные решения в условиях ограниченных ресурсов.
Предсказывая будущее: Новая модель для анализа временных рядов с учётом неопределённости
Исследователи представили ProbFM — модель, способную не только прогнозировать временные ряды, но и оценивать достоверность этих прогнозов, что особенно важно для финансовых приложений.
Сглаживание будущего: Как непрерывные временные ряды открывают новые горизонты в AI
Новый подход к токенизации финансовых данных позволяет извлекать более глубокие закономерности и повышать эффективность алгоритмов принятия решений.
Стратегические игры: как предсказать поведение в условиях неопределенности
Новое исследование предлагает методы машинного обучения для анализа стратегических взаимодействий и моделирования поведения агентов в различных сценариях.