核化 DMD 的随机化方法
基因组学
2026-05-07 v2
摘要
动态模式分解（DMD）是一种与 Koopman 算子理论相关的数据驱动方法，从数据快照中提取主导动力学信息。本文审查了用于加速大规模数据集上 DMD 的技术，旨在利用随机化技术。随机化技术通过以更小的计算成本对低秩矩阵进行近似，从而允许使用更大的数据集。特别是，我们提出在核化 DMD（KDMD）的设置中应用 RPCholesky 算法。该算法依赖于自适应随机抽样来逼近正半维度核矩阵，比以前在 KDMD 中实现的随机方法提供更好的稳定性保证。讨论了现有竞争性随机技术与本提议实现之间的差异，重点关注数值稳定性以及在数据中获取的信息的探索与开发之间的权衡。通过在不断增加的问题维度的 DMD 文献中建立的基准问题上Demonstrated this new combination of algorithms的有效性。
引用
@article{arxiv.2601.22866,
title = {Classification of SARS-CoV-2 Variants through The Epistatical Circos Plots with Convolutional Neural Networks},
author = {Bo Jing and Kai-Rui Zhang and Hong-Li Zeng and Erik Aurell},
journal= {arXiv preprint arXiv:2601.22866},
year = {2026}
}