опубликованном в журнале «Chaos: An Interdicular Journal of Nonlinear Science», используется новый и высокоэффективный алгоритм, который в сочетании с резервуарными вычислениями следующего поколения может изучать пространственно-временные хаотические системы за долю времени по сравнению с другими алгоритмами машинного обучения.Исследователи проверили свой алгоритм на сложной проблеме, которая много раз изучалась в прошлом – прогнозировании поведения модели атмосферной погоды.
По сравнению с традиционными алгоритмами машинного обучения, которые могут решать те же задачи, алгоритм команды штата Огайо более точен и использует в 400-1250 раз меньше данных для обучения, чтобы делать более точные прогнозы, чем его аналог.Их метод также менее затратен в вычислительном отношении; хотя для решения сложных вычислительных задач ранее требовался суперкомпьютер, они использовали ноутбук под управлением Windows 10, чтобы делать прогнозы примерно за доли секунды – примерно в 240 тыс.
раз быстрее, чем традиционные алгоритмы машинного обучения.«Это очень интересно, поскольку мы считаем, что это значительный прогресс с точки зрения эффективности обработки данных и точности прогнозирования в области машинного обучения», сказал Вендсон Де Са Барбоза, ведущий автор и научный сотрудник в области физики в штате Огайо.
Читать на charter97.org