PulseAugur
中
实时 04:02:04
English(EN) Fourier Weak SINDy: Spectral Test Function Selection for Robust Model Identification

新方法使用谱分析进行鲁棒方程学习

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的数据方程学习方法 Fourier Weak SINDy。该技术结合了弱形式稀疏方程学习和谱密度估计来选择合适的测试函数。通过使用正交正弦测试函数，该方法将回归问题简化为在傅里叶系数上操作，从而可以通过谱分析识别主导频率。该方法在涉及混沌和超混沌常微分方程基准的实验中已证明了其有效性。 AI

排序理由 该集群包含一篇详细介绍新研究方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新方法使用谱分析进行鲁棒方程学习

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Zhiheng Chen, Urban Fasel, Anastasia Bizyaeva ·

    Fourier Weak SINDy：用于鲁棒模型识别的谱测试函数选择

    arXiv:2604.20141v2 Announce Type: replace Abstract: We introduce Fourier Weak SINDy, a minimal noise-robust and interpretable derivative-free equation learning method that combines weak-form sparse equation learning with spectral density estimation for data-driven test function s…

相关实体

相关话题