《周期函数上机器学习回归的可扩展性与灵敏度分析》2023最新报告

在本报告中，我们记录了机器学习（ML）回归在周期性、高度振荡和𝐶∞函数上的可扩展性和灵敏度。这项工作的动机是需要在潮汐传播等周期性问题上使用 ML 回归。在这项工作中，TensorFlow 被用来研究周期函数从一维到三维的机器可扩展性。针对一系列层、神经元和学习率，计算了每个维度的挂钟时间，以进一步研究 ML 回归对这些参数的敏感性。最后，比较了随机梯度下降和 Adam 优化器的挂钟时间和敏感性。