BriefGPT - AI 论文速递
·
机器人系统的动力学谐波分析：在数据驱动的库普曼建模中的应用
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种改进的扩展动态模式分解与字典学习方法，通过数据驱动的近似方法预测系统的时间演化。该方法在不同系统中的性能表现优于传统方法，并且与状态空间方法的预测结果相当。
🎯
关键要点
-
通过数据驱动的近似方法预测复杂动力学系统的时间演化是一个有前景的研究方向。
-
本文介绍了一种改进的扩展动态模式分解与字典学习方法。
-
该方法确定可观测量的字典及其对应的Koopman算符的近似值。
-
使用伪逆和自动微分促进梯度下降计算。
-
对比Koopman方法、状态空间方法和纯Koopman方法的性能表现。
-
研究发现该方法显著优于传统方法。
-
当Koopman方法在每个时间步骤交替时，与状态空间方法的预测结果相当。
🏷️
