高斯过程回归在含噪动态数据 Koopman 模态分解中的应用
信号处理
2019-11-18 v2 机器学习
动力系统
摘要
Koopman 模态分解（KMD）是一种非线性时间序列分析技术，源于为底层非线性动力系统定义的 Koopman 算子的点谱。我们提出了一种基于高斯过程回归的 KMD 数值算法，该算法能够处理含噪的有限时间数据。该算法被应用于多机电网的短期振荡动力学，以估计嵌入动力学中的振荡模态，从而评估算法的有效性。
引用
@article{arxiv.1911.01143,
title = {Application of Gaussian Process Regression to Koopman Mode Decomposition for Noisy Dynamic Data},
author = {Akitoshi Masuda and Yoshihiko Susuki and Manel Martínez-Ramón and Andrea Mammoli and Atsushi Ishigame},
journal= {arXiv preprint arXiv:1911.01143},
year = {2019}
}
备注
7 pages, 6 figures, 2019 Japan Joint Automatic Control Conference