Machine learning-based chaotic dynamics prediction

Abstract

Выполнен анализ эффективности методов машинного обучения − регрессия опорных векторов и экстремальный градиентный бустинг, и некоторых известных алгоритмов оптимизации их параметров для предсказания хаотической динамики.

Разработан и реализован алгоритм оптимизации параметров на основе метода Пауэлла и алгоритма серых волков.

Реализован программный пакет для применения комбинаций изученных и разработанных методов машинного обучения и алгоритмов оптимизации их параметров.

Analysis of the efficiency of machine learning methods − support vector regression and extreme gradient boosting, in combination with well-known parameter optimization algorithms for chaotic dynamics prediction is performed.

Parameter optimization algorithm based on the Powell method and gray wolf optimizer has been developed and implemented.

A software package has been implemented for the use of combinations of studied and developed machine learning methods and parameter optimization algorithms.