Automating data splitting and hyper-parameters tuning in an Echo State Network-based model for Dynamic Aperture prediction
Este artículo investiga el impacto de diferentes estrategias de partición de datos en el rendimiento de las Redes de Estado de Eco para la predicción de la Apertura Dinámica en anillos de almacenamiento de hadrones, explorando específicamente la automatización del límite de división entre entrenamiento y prueba mediante la derivada de las leyes de escalado analíticas derivadas del teorema de Nekhoroshev.