Метаобучение в целях идентификации нейронной системы с ограниченной степенью сложности

arXiv:2504.11811v2 Тип уведомления: заменить резюме: Идентификация системы в значительной степени выиграла от применения методов глубокого обучения, особенно для моделирования сложных нелинейных динамических систем с частично неизвестной физикой там, где традиционные подходы могут оказаться невозможными. Однако модели глубокого обучения часто требуют больших наборов данных и значительных вычислительных ресурсов как для подготовки кадров, так и для вывода из них в силу их высокой степени параметризации. Для решения этой задачи мы предлагаем систему мета-обучения, которая открывает низкомерный коллектор в пространстве параметров сверхпараметрической архитектуры нейронной сети. Этот комплекс извлечен из обширного набора метаданных последовательности ввода-выпуска, генерируемой имитатором класса представляющих интерес систем, а затем позволяет эффективно обучать модели при сохранении экспрессивной способности сети для рассматриваемого класса системы. В отличие от двухуровневых методов мета-обучения, наш метод использует вспомогательную нейронную сеть для