Sep, 2016
基于数据驱动的偏微分方程发现
Data-driven discovery of partial differential equations
Samuel H. Rudy, Steven L. Brunton, Joshua L. Proctor, J. Nathan Kutz
TL;DR提出了一种基于稀疏回归的方法,能够通过空间域中的时间序列测量发现给定系统的主要偏微分方程,该方法通过稀疏促进技术来选择最准确地表示数据的非线性和偏导数术语,同时考虑模型复杂性和回归精度的平衡,通过帕累托分析选择简洁的模型,并在多种数学物理问题中进行了演示。