非均匀完全可观测性；输出反馈下的保持与对偶结果
机器学习
2024-10-10 v2 人工智能
谱理论
统计方法学
机器学习
摘要
本文提出一种新的可观测性属性，用于有限维的非自治线性控制系统；即非均匀完全可观测性，该属性比均匀完全可观测性更为宽泛。本工作的主要结果将证明，非均匀完全可观测性通过输出反馈被保持。此外，证明了该概念与最近引入的非均匀完全可控性之间的对偶关系， leading 到通过输入反馈保持非均匀完全可控性的结果。
引用
@article{arxiv.2410.04655,
title = {Graph Fourier Neural Kernels (G-FuNK): Learning Solutions of Nonlinear Diffusive Parametric PDEs on Multiple Domains},
author = {Shane E. Loeffler and Zan Ahmad and Syed Yusuf Ali and Carolyna Yamamoto and Dan M. Popescu and Alana Yee and Yash Lal and Natalia Trayanova and Mauro Maggioni},
journal= {arXiv preprint arXiv:2410.04655},
year = {2024}
}