Hemant Tyagi

在凸约束和网络下学习线性动力系统的新方法

研究人员开发了识别线性动力系统的新方法，特别是在系统矩阵的先验结构信息可用时。第一篇论文侧重于凸约束，推导出误差界限，与无约束方法相比，在样本量较小时提高了估计精度。第二篇论文解决了多个线性动力系统的联合学习问题，提出了一种总变差惩罚估计器，即使在系统数量增加且轨迹长度恒定的情况下，也能实现精确估计，尤其是在系统平滑变化或在连接图上跳跃次数很少的情况下。