非线性动力学相关 AI 资讯 · AI 热点

7月17日

11:07

11:07

官方账号arXiv cs.LG@Yao Cheng Li, Ana Larrañaga, Steven L. Brunton, Urban Fasel

SINDy（稀疏非线性动力学识别）通过对候选非线性项库进行稀疏回归，能从较小数据集中恢复可解释的控制方程，克服神经网络需大量训练数据且缺乏可解释性的局限。本教程分三部分：第一部分介绍标准SINDy算法及噪声鲁棒弱形式、集成、约束、参数化等扩展；第二部分以无人机系统识别为例；第三部分以混沌热虹吸热交换器为案例。论文旨在展示SINDy易于实现且足够灵活，适用于高级工程识别任务。

论文 SINDy 非线性动力学稀疏识别

推荐理由：想用少量数据从工程系统里找出简洁的动力学方程吗？这篇SINDy教程有完整代码和两个真实案例，比黑箱神经网络好理解得多。

6月4日

11:28

11:28

官方账号arXiv cs.LG@Kelan Gray, Finlay Brown, Nicolas Boullé, Matthew J. Colbrook

精选

Koopman理论将非线性动力学转化为线性谱问题，但计算中依赖硬性的有限维选择。DeepMDMD结合深度Koopman方法与结构保持方法，学习潜在空间及其划分，同时强制Koopman乘积规则作为精确代数约束。训练在精确乘法算子更新和可微潜在聚类步骤之间交替，后者促进Koopman封闭性。结果在哈密顿、混沌和流体示例中，学习到的字典比几何MDMD划分更紧凑且动态一致，减少谱污染，揭示更丰富的连续谱结构，并在高维流动中保持相干结构和长期谱统计。

论文 Koopman理论非线性动力学深度学习

推荐理由：做非线性动力学建模或流体仿真的研究者，DeepMDMD用代数约束解决了Koopman学习中的字典选择难题，值得关注其如何在高维噪声下保持稳定预测。