BriefGPT.xyz
Ask
alpha
关键词
sparse identification
搜索结果 - 5
GN-SINDy: 稀疏非线性偏微分方程的贪婪采样神经网络
在此论文中,我们介绍了一种称为 GN-SINDy 的方法,该方法通过融合贪婪采样方法、深度神经网络和 SINDy 算法,扩展了称为 DeePyMoD 的基于 SINDy 的深度学习模型发现方法。我们通过使用一个专门准备的 Python 软件
→
PDF
2 months ago
基于多保真高斯过程的稀疏差分方程发现
通过不确定性量化的角度,本文提出了两种新的方法来解决稀疏辨识微分方程的两个主要挑战:噪声对观测数据的影响以及关于计算成本的单一可靠性数据的限制。通过构建高斯过程回归模型来缓解观测数据中噪声的影响,量化不确定性并最终准确地恢复方程;然后,利用
→
PDF
6 months ago
Bayesian 自编码器用于数据驱动的发现:坐标、控制方程和基本常数
通过 Bayesian SINDy autoencoders 技术,我们可以更好地掌握稀疏自动编码处理方法,并对物理发现进行更准确的估计,同时提供了我们想要的可靠的不确定性计量,因此我们可以将其应用于真实视频数据的物理学研究中。
PDF
2 years ago
SINDy 算法的收敛性
通过选择最适合动态的模型和一组参数来识别生成时间序列数据的基础动态系统,本文介绍了一种稀疏非线性动态框架的方法,提供了有关算法行为和收敛的一些理论结果。
PDF
6 years ago
随机动态方程的稀疏学习
本文介绍了将稀疏识别非线性动力学 (SINDy) 框架扩展到随机动力学系统的方法,并证明了在无限数据限制下该方法的渐近正确性,在两个测试系统中展示了该方法的实现,并强调了交叉验证对确定正确的稀疏性水平是一个必不可少的工具。
PDF
7 years ago
Prev
Next