新方法从有限轨迹数据中学习动力系统

研究人员开发了一种新方法，可以从单个有限轨迹中学习遍历动力系统。该方法利用非线性最小二乘法来估计最优的单步预测函数，并提供针对不变测度的概率保证。该技术可扩展到高阶系统和有限状态空间，也可应用于学习Koopman算子。该方法借鉴了马尔可夫链的统计学习理论和定量遍历理论，并结合了对均匀几何遍历马尔可夫链的集中不等式。 AI

影响 这项研究可能通过利用有限数据来改进复杂系统的建模和预测能力，从而对依赖时间序列分析的领域产生影响。

排序理由 该条目是发表在arXiv上的学术论文，详细介绍了一种在统计学习理论和遍历理论方面的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

• arXiv
• ergodic theory
• Hilbert space
• Invariant measure
• Koopman Operators
• Markov chain
• Markov Processes And Related Fields
• statistical learning theory

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →