- WgLaSDI: 弱形式贪婪潜空间动力学识别
通过将弱形式非线性动力学（WENDy）引入 gLaSDI 的框架，我们提出了具有自适应采样特性的 WgLaSDI 框架，它能够更准确和高效地建模高维非线性物理系统，并且在处理噪声数据时具备稳健性。
- 基于硅微环共振器非线性特性的时滞储层计算的存储容量分析
通过使用硅微环共振器中的非线性效应，如自由载流子色散和热光效应，将信息映射到更高的维度空间，并通过添加外部波导实现具有增强记忆的延时非线性光子储存器 (TDRC)。在 TDRC 中，非线性效应取决于物理特性，而非线性动态的正确量化有利于实现 - 基于广义同步的广义读出的储备计算
基于广义输出的储层计算框架利用非线性动力学实现重要的信息处理能力，同时保持了储层计算的低成本和线性学习框架的优势，并在预测混沌系统、提取有用基函数等方面取得了显著的精度和鲁棒性的提高。
- 基于视觉的三维移动目标非线性动力学发现
提议一种基于视觉的方法，通过一组摄像机记录的原始视频自动发现 3D 移动目标的非线性动力学方程，通过目标跟踪模块、坐标变换学习模块和增强曲线支持的稀疏回归器组成，该方法有效处理与视觉数据相关的挑战。
- 神经 Koopman 动态因果发现
通过神经网络的数据驱动学习 Koopman 基础知识的 Koopman 灵感框架 (NKDCD)，可可靠地推断 Granger 因果关系以及相关的非线性动力学。
- 大规模变分高斯状态空间模型
引入一种基于分级变分推断和结构化变分逼近的摊还推断算法，应用于受高斯噪声驱动的非线性动力学状态空间模型。通过利用蒙特卡洛逼近方法中的低秩结构来辅助隐变量的边际化计算、基于低秩精度矩阵更新的推断网络来近似更新步骤、并将当前和未来的观测数据转化 - Ricci 流引导的自编码器在学习时变动态中的应用
基于流形的自编码器方法用于学习非线性动力学中的非线性方程，其中流形潜变量空间根据 Ricci 流演变。
- 基于经验动力建模的因果检测综述
通过非线性动力学和时间序列数据，本文利用经验动力学建模（EDM）探索动态系统内变量之间的因果关系检测。通过重构动态系统的演化状态，可以有效地建模这些系统，从而提取变量 X 引起变量 Y 的因果信息。本研究强调了相关性和因果关系之间的辩证关系 - 高斯过程学习非线性动力学
科学机器学习中，通过贝叶斯推断模型参数，利用状态数据和相关性构建似然函数，从而学习非线性动力学模型。
- 动态模态分解算法的多元宇宙
Dynamic Mode Decomposition (DMD) 是一种流行的数据驱动分析技术，用于将复杂的非线性系统分解成一组模式，通过谱分析揭示底层的模式和动态特性。本综述全面而系统地研究了 DMD，强调了 Koopman 算子在将复杂 - 非线性动力学的生成学习
现代生成式机器学习模型展示出令人惊讶的能力，能够创造出超越其训练数据的逼真产出，如逼真的艺术作品、精确的蛋白结构或对话文本。这些成功表明生成模型学会了有效地参数化和采样任意复杂的分布。本文旨在将经典作品与大规模生成统计学习中的新兴主题联系起 - 通过司机认知的定量评估提升对驾驶特征的理解
通过分析脑电图数据，识别驾驶员认知和驾驶状态的非线性动力学特征，以优化驾驶表现并促进认知学习、提高生产力和准确性。
- Mori-Zwanzig 潜空间 Koopman 闭合对于非线性自编码器
MZ-AE 方法使用非线性自编码器来提取关键观测量以在低维空间中近似 Koopman 算符，并利用 Mori-Zwanzig 形式主义的非马尔可夫校正机制，将系统的动态模型映射到非线性自编码器的潜在空间，从而提高了 Koopman 算符近似 - 非线性、非平稳和随机系统的凸数据驱动逆最优控制
研究了有限时间内的逆控制问题，提出了一种能够从观测中推断出代理行为驱动成本的成本估计方法，并将结果转化为了算法过程，并通过实验验证了方法的有效性。
- PyKoopman：一款用于数据驱动的 Koopman 算子逼近的 Python 包
PyKoopman 是用于数据驱动的动力系统 Koopman 算子近似的 Python 包，提供了基于动态模式分解 (DMD) 和其变体的无方程动态模态分解的数据驱动系统辨识工具。
- DANSE: 无监督学习设置下基于数据驱动的无模型流程非线性状态估计
该论文提出了一种基于数据的非线性状态估计方法，使用反复神经网络捕捉模型无自由过程的非线性动态，结合朴素贝叶斯方法进行无监督学习，证明其在模拟线性和非线性模型下具有与传统模型驱动方法相当的性能。
- 安全学习动态系统
本文针对未知动态系统的学习问题，提出了一种安全学习动态系统的数学定义，并通过线性规划和半定向编程等方法，发展了能够在保证安全的情况下学习线性和非线性动态系统的算法。
- 从数据中发现物理定律的有限表达式方法
本文介绍了新的深度符号学习方法 —— 有限表达式方法 (FEX)，以识别非线性动力学中包含一组有限析解表达式的函数空间中的主方程。 FEX 利用卷积学习 PDE 解的导数来生成主方程的解析表达式。 数字结果表明，在各种问题中，包括时间依赖的 - ICMLFLEX: 一种非线性系统自适应探索算法
本论文介绍了一种基于最优试验设计的非线性动力学探索算法 FLEX，其策略最大化下一步的信息并具有适应性，可与通用参数学习模型兼容且需要最少的资源，在不同环境下进行测试并证明其性能与计算成本低。
- 有限维谱动力学嵌入实现随机非线性控制
使用具备无穷维特征的 Spectral Dynamics Embedding 结合实际的有限维截断近似来控制非线性随机系统的 Spectral Dynamics Embedding Control（SDEC）算法，探索了其截断近似和有限采样