学习稳定的 Koopman 嵌入
机器学习
2021-10-14 v1 系统与控制
系统与控制
摘要
本文提出一种用于学习非线性系统稳定模型的新数据驱动方法。我们的模型利用 Koopman 嵌入将原始状态空间提升至高维线性流形。有趣的是，我们证明每一个离散时间非线性收缩模型都可在我们的框架中被学习。所提方法的另一显著优点是：它通过稳定线性系统的直接参数化，在联合强制模型稳定性的同时允许对 Koopman 嵌入与算子进行无约束优化，极大简化了相关计算。我们在模拟系统上验证该方法，并分析我们的参数化相较替代方案的优点。
引用
@article{arxiv.2110.06509,
title = {Learning Stable Koopman Embeddings},
author = {Fletcher Fan and Bowen Yi and David Rye and Guodong Shi and Ian R. Manchester},
journal= {arXiv preprint arXiv:2110.06509},
year = {2021}
}