arXiv stat.ML· Arman Kostanian, Armen Beklaryan·· 4 小时前AI 评分22
耗散型知识动力学模型的可辨识性：设计激励下精确恢复，观测数据上退化
Identifiability of a dissipative knowledge-dynamics model: exact recovery under designed excitation, degeneration on observational data
AI 导读
研究者将人类学习建模为非线性耗散常微分方程组，参数包含概念迁移矩阵、逐概念遗忘率与饱和练习响应增益，并证明了逆问题的结构可辨识性定理，双概念情形可闭式恢复。其半隐式 L-stable 求解器与逐轨迹计算数值等价（预测逐位一致、梯度精度达 $10^{-10}$），速度快两个数量级，可支持 $10^5$ 学习者规模的估计。
来源：arXiv stat.ML · arxiv.org