最优低秩动态模态分解
摘要：动态模态分解（DMD）已经成为一种从实验数据集中分析非线性系统动态的强大工具。最近，一些尝试将DMD扩展到低秩逼近的背景下。这种扩展对于各个应用领域的降阶建模特别有兴趣，例如气候预测、分子动力学研究或微电子机械设备。这种低秩扩展采用了非凸优化问题的形式。据我们所知，目前文献中提出的算法都是次优的，用于计算这个问题的解。在本文中，我们证明了这个问题存在一个闭合的最优解，并设计了一种基于奇异值分解（SVD）来计算这个解的有效算法。一个玩具例子说明了所提算法在性能上相较于最先进技术的提升。
作者：Patrick H''eas and C''edric Herzet
论文ID：1701.01064
分类：Machine Learning
分类简称：stat.ML
提交时间：2018-05-18