研究提出kEDMD核字典学习方法

Erik Lien Bolager等作者提出一种面向kEDMD的核字典学习方法，将EDMD的字典学习扩展到kEDMD的核学习，通过对可学习核参数做基于梯度的优化，简化核的选取与调参。 该方法以随机初始化的加权核列表为输入，输出适合逼近Koopman算子的核及其参数值，并可通过分析权重剔除不重要的核。作者称在Duffing振子和Kuramoto-Sivashinsky方程等实验中验证了该方法的不同优势。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。