|
近年，ニューラルネットワークなど，ブラックボックス型の微分方程式モデルが注目されている．そのようなモデルは，数式で表されていないため，保存則など，性質の解明が困難である．本研究はブラックボックス微分方程式モデルに対して，保存則を探索するデータ駆動型モデルを構築した．具体的には，保存量をニューラルネットワークでモデル化し，この量が保存するようにモデルを修正したときに，モデル精度が向上するように，保存量を表すニューラルネットワークを学習する．実際，この方法で，様々な微分方程式モデルから保存則が抽出できることを確認した．ネットワークの構造変化解析については，別途，統計的な方法を構築した．
|
