关键词nonlinear dynamical system
搜索结果 - 7
- 形成受控的维度缩减
通过提出非线性动力系统对移动 Agent 的形成控制来进行低维度表示，该系统由两部分组成：控制邻近点以解决局部结构问题和控制远程点以解决全局结构问题。数值实验在合成和真实数据集上进行，与现有模型进行比较表明所提出模型的稳固性和有效性。
- 关于 Hermitian 动态模态分解的收敛性
我们研究 Hermitian Dynamic Mode Decomposition（DMD）收敛到自伴随 Koopman 算子的谱特性，DMD 是一种数据驱动方法，用于从离散时间快照中近似表示与未知非线性动力系统相关的 Koopman 算子 - 学习耗散神经动力系统
学习非线性动力系统的神经动力学模型，保持模型的耗散性特性是一个困难的问题。本文通过两个阶段的学习方法，首先得到一个接近系统动力学的神经动力学模型，然后通过权重和偏置的扰动问题解决模型的耗散性和贴近非线性系统轨迹的问题，确保得到一个保证耗散性 - ICML可计算的树突状循环神经网络用于重构非线性动力学系统
本文介绍了一种基于线性样条基函数扩展动态可解释的分段线性循环神经网络（PLRNN）的方法，用于近似任意非线性动态系统。我们采用 BPTT 与教师强制以及快速可接受的变分推理两种框架对系统进行训练，并在各种动态系统基准测试上表明，这种方法具有 - 基于数据的座标和控制方程式发现
本文介绍一种基于稀疏回归和自编码器的算法，通过在简化空间中寻找非线性系统的动力学描述，实现了均衡模型复杂性和描述能力，同时提升了解释性和推广能力，同时在多个高维非线性系统中测试了该方法的优势。
- IJCAI深度变分 Koopman 模型：推断 Koopman 观测以实现不确定动态建模和控制
该研究介绍了 Deep Variational Koopman 模型的方法，可以推断随时间线性传播的观测分布，从而获得动力模型的分布并提供模型系统随时间推进的可能结果分布，同时也将学习的模型应用到控制框架中并表明考虑到分布中存在的不确定性能 - 时间序列中参数估计的同步和自适应控制应用
本文介绍了一种通过非线性动力系统中单变量时间序列来估计未知参数的技术，该技术采用两种不同的控制方法，线性反馈和自适应控制，可以即使当未知参数出现在除所给的时间序列之外的其他变量的演化方程式中时也能工作。本技术不仅确认了关于所有系统变量和参数