基于傅里叶特征的Koopman算子在线估计
机器人学
2023-08-15 v2 机器学习
摘要
转移算子提供了非线性动力系统的线性表示以及全局的、具有物理意义的特性。发现诸如Koopman算子之类的转移算子需要精心构造作用于动力系统状态的可观测函数的字典。这是临时的且需要完整数据集进行评估。在本文中，我们提供一种优化方案，以允许利用在线数据联合学习可观测函数与Koopman算子。我们的结果表明，我们能够重构演化并表示复杂动力系统的全局特征。
引用
@article{arxiv.2212.01503,
title = {Online Estimation of the Koopman Operator Using Fourier Features},
author = {Tahiya Salam and Alice Kate Li and M. Ani Hsieh},
journal= {arXiv preprint arXiv:2212.01503},
year = {2023}
}
备注
Accepted to 5th L4DC Conference. Proceedings of The 5th Annual Learning for Dynamics and Control Conference, PMLR 211:1271-1283, 2023. 13 pages 6 figures