Horizon-Constrained Rashomon Sets for Chaotic Forecasting

Diese Forschung führt horizontbegrenzte Rashomon-Mengen ein, einen theoretischen Rahmen, der prädiktive Multiplizität und chaotische Dynamik im maschinellen Lernen verbindet. Es wird gezeigt, wie sich die Modellmultiplizität mit dem Vorhersagehorizont in chaotischen Systemen entwickelt, und die exponentielle Kontraktion der effektiven Rashomon-Menge mit der Vorlaufzeit bewiesen.