一种基于机器学习的非线性常微分方程识别方法

摘要

本发明提出一种基于机器学习的非线性常微分方程识别方法。本发明所述方法首先通过数值模拟准备识别方程所用的数据集，将位移数据与速度数据组合成状态向量；将状态向量形式的数据送入符号网络进行学习，网络的深度推进格式采用显式多步法，在符号网络的计算中每一步的符号网络输出都作为下一步的输入，并在每一步用真实值作为监督，使得网络的长期学习能力得到了增强，对噪音的鲁棒性得到了改善，多步法作为一种高精度的数值方法可以显著增加方程识别的精度以及网络收敛的速度。