研究人员开发了HyperKKL,一种用于创建Kazantzis-Kravaris/Luenberger (KKL) 观测器的新机器学习方法。这些观测器用于非自治非线性系统的状态估计。HyperKKL方法利用超网络架构根据外部输入信号动态生成观测器参数,克服了以往方法在驱动动力学方面存在的局限性。通过在Duffing、Van der Pol、Lorenz和Rössler系统等基准系统上的模拟,证明了HyperKKL的有效性。 AI
影响 增强了复杂非线性系统的状态估计能力,可能影响需要精确动态建模的领域。
排序理由 详细介绍状态估计新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Abdelrahman Sayed Sayed
- arXiv
- HyperKKL
- Kazantzis-Kravaris/Luenberger (KKL)
- Lorenz
- Partial Differential Equations (PDE)
- Rössler
- van der Pol
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →