用于优化动态模态分解的反向传播与梯度下降
流体动力学
2023-12-21 v1
摘要
我们提出了一种鲁棒且灵活的优化方法，用于对具有复杂动力学和低信噪比的数据进行动态模态分解分析。该方法借鉴了深度学习领域的技术和见解。具体而言，我们采用自动微分和随机梯度下降来同时计算特征值、模态和模态振幅。该方法允许在算子定义中嵌入正则化或物理约束。该优化方法应用于三个复杂度递增的示例，其中最具有挑战性的是真实飞行条件下跨声速激波抖振的实验数据集。
引用
@article{arxiv.2312.12928,
title = {Backpropagation and gradient descent for an optimized dynamic mode decomposition},
author = {Andre Weiner and Richard Semaan},
journal= {arXiv preprint arXiv:2312.12928},
year = {2023}
}