提出缺失观测下结构化线性动力系统学习方法

研究提出一种在凸集约束下、仅部分观测可用时学习结构化线性动力系统的估计方法，并给出依赖凸集局部复杂度、轨迹长度 T 和子采样概率 p 的非渐近统计误差界，同时证明了投影梯度下降的收敛性。该理论应用于子空间、双等调矩阵及行由 Lipschitz 函数采样构成的矩阵三类场景，表明在 T 远小于无约束情形所需值、且 p = o(1) 时仍可有效恢复转移矩阵。

摘自 arXiv cs.LG

还没有足够的连续观测数据，暂不绘制趋势。