探討類神經網路對於物理現象的預測及判斷

作品摘要

機器學習以及類神經網路等技術常被用於辨識、分類等工作，但較少運用於物理運動軌跡的預測及判斷，為了嘗試以類神經網路預測物理現象，本研究對於一維等加速度運動、單擺運動以及雙擺運動進行深度學習。使用 Vpython 進行運動的模擬輸出資料，並運用 Simbrain 軟體以及 Keras 的套件建構類神經網路。在實驗之中嘗試不同的輸入資料方式，包含輸入時間以預測軌跡、輸入一段連續的數值（如：位置）並以求出下一個數值（如：位置）為目標，為時序性的訓練方式；並且觀察不同的神經網路架構、神經元個數、訓練次數對於訓練結果的影響。在比較後，最後得到的結論為以時序性的訓練方式較能有效達到預測物理運動軌跡目標。