Reconstrução de atratores por aprendizado de máquina

Uma abordagem de aprendizado de máquina chamada "computação de reservatório" foi utilizada com sucesso para previsão de curto prazo e reconstrução de atratores de sistemas dinâmicos caóticos a partir de dados de séries temporais. Apresentamos uma estrutura teórica que descreve as condições sob as quais a computação de reservatório pode criar um modelo empírico capaz de previsões habilidosas de curto prazo e um comportamento ergódico preciso de longo prazo. Ilustramos essa teoria por meio de experimentos numéricos. Também argumentamos que a teoria se aplica a certos outros métodos de aprendizado de máquina para previsão de séries temporais.