新框架使用Koopman算子模拟非线性延迟动力学

研究人员开发了一个新颖的框架，用于近似非线性延迟微分方程（DDEs）的Koopman算子。该方法通过采用历史离散化和基于核的重构算子，弥合了无限维DDE动力学与有限维Koopman学习之间的差距。该方法利用基于核的扩展动态模式分解（kEDMD），为预测提供确定性误差界限，将误差分解为离散化、核插值和回归的贡献。数值实验证实了该框架可靠预测非线性延迟系统的能力，预示着其在未来控制系统中的潜在应用。 AI

影响 这项研究提供了一种模拟复杂动态系统的新颖方法，有望推动控制应用和科学建模的发展。

排序理由 该集群包含一篇学术论文，详细介绍了用于模拟复杂系统的新理论框架和方法。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

• arXiv
• Complement factor H related 2
• kEDMD
• Koopman
• Nonlinear delay differential equations and their application to modeling biological network motifs
• Ordinary Differential Equations
• partial differential equations
• Santosh Mohan Rajkumar

• 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 →