An introduction to weather forecasting with deep learning
几周前，我们展示了如何使用深度学习预测混沌动态系统，并通过从特定领域洞察中得出的自定义约束进行增强。全球天气是一个混沌系统，但其复杂度远高于许多通常用机器和/或深度学习解决的任务。在这篇文章中，我们提供了一个实用的介绍，介绍了一个简单的深度学习大气预报基线。虽然远非具有竞争力，但它可以说明更复杂和计算密集型的模型如何通过位于连续体“黑箱端”的方法来完成这项艰巨的任务。
Deep attractors: Where deep learning meets chaos
在非线性动力学中，当状态空间被认为是多维的，但我们所拥有的数据只是一个单变量时间序列时，人们可能会尝试通过延迟坐标嵌入重建真实空间。然而，先验地不清楚如何选择重建空间的维数和时间滞后。在这篇文章中，我们展示了如何使用自动编码器架构来解决这个问题：只需给出一系列标量的观察结果，自动编码器就会直接学习以足够的维数来表示混沌系统的吸引子。
