TL;DR
- چکیده:.
- تجزیه حالت پویا (DMD) و کلیتر Extended DMD (EDMD) ابزارهای قدرتمندی برای تجزیه و تحلیل محاسباتی سیستمهای دینامیکی.
- در سناریوهای داده محور هستند.
چه اتفاقی افتاد
چکیده:. تجزیه حالت پویا (DMD) و کلیتر Extended DMD (EDMD) ابزارهای قدرتمندی برای تجزیه و تحلیل محاسباتی سیستمهای دینامیکی.
در سناریوهای داده محور هستند. آنها بر اساس مبانی نظری عملگر ترکیب Koopman ساخته شدهاند و میتوانند بهعنوان روشهای عددی برای استخراج اطلاعات.
طیفی عملگر ترکیب مرتبط با دینامیک،. تحلیل طیفی ساختار دینامیک و پیشبینی مبتنی بر عکس فوری داده در نظر گرفته شوند.
در شبیهسازیهای عددی با وفاداری بالا،. فضای حالت دارای ابعاد بالا است و روشهای عددی کارآمد از این واقعیت استفاده میکنند که دینامیک واقعی.
در منیفولدهایی با ابعاد بسیار کوچکتر تکامل مییابد. این انگیزه محاسبه تقریبهای رتبه پایین را به روش جریان میدهد و ماتریس DMD بهطور تطبیقی با دادههای.
تازه دریافتشده بهروزرسانی میشود. به این ترتیب تعداد زیادی از بالا عکسهای فوری بعدی را میتوان بسیار کارآمد پردازش کرد.
نمایش ابعاد کم نیز نیازمند به روز رسانی سریع برای برنامههای آنلاین است. این مقاله آثار پیشگام همتی،.
ویلیامز و رولی (فیزیک سیالات،. 2014)،.
و ژانگ،. رولی،.
دیم و کاتافستا (ژورنال SIAM در سیستمهای دینامیکی کاربردی،. 2019) را در مورد DMD استریم بازبینی میکند و پیشرفتهایی را در عملکرد (با استفاده از کارآمدی کارآمدتر،.
DMD بازماندهای کارآمدتر) پیشنهاد میکند. الگوریتم با ردپای حافظه کوچکتر) و استحکام عددی (اعداد شرایط کوچکتر و مهارت پیش بینی بهتر).
تجزیه و تحلیل عددی (math. NA) استناد بهعنوان: (یا v1 [math.
NA] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:.
Ela Đimoti [مشاهده ایمیل] [v1] جمعه،. 3 آوریل 2026،.
09:. 52:.
59 UTC (2000 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.