論文の概要: Kernel Methods for the Approximation of the Eigenfunctions of the Koopman Operator
- arxiv url: http://arxiv.org/abs/2412.16588v1
- Date: Sat, 21 Dec 2024 11:25:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-24 15:56:47.434004
- Title: Kernel Methods for the Approximation of the Eigenfunctions of the Koopman Operator
- Title(参考訳): クープマン作用素の固有関数近似のためのカーネル法
- Authors: Jonghyeon Lee, Boumediene Hamzi, Boya Hou, Houman Owhadi, Gabriele Santin, Umesh Vaidya,
- Abstract要約: 演算子自体を明示的に計算することなく、クープマン演算子の主固有関数を構成するカーネルベースの方法を提案する。
主固有関数の構造を線形成分と非線形成分に分解する。
- 参考スコア(独自算出の注目度): 1.7702475609045947
- License:
- Abstract: The Koopman operator provides a linear framework to study nonlinear dynamical systems. Its spectra offer valuable insights into system dynamics, but the operator can exhibit both discrete and continuous spectra, complicating direct computations. In this paper, we introduce a kernel-based method to construct the principal eigenfunctions of the Koopman operator without explicitly computing the operator itself. These principal eigenfunctions are associated with the equilibrium dynamics, and their eigenvalues match those of the linearization of the nonlinear system at the equilibrium point. We exploit the structure of the principal eigenfunctions by decomposing them into linear and nonlinear components. The linear part corresponds to the left eigenvector of the system's linearization at the equilibrium, while the nonlinear part is obtained by solving a partial differential equation (PDE) using kernel methods. Our approach avoids common issues such as spectral pollution and spurious eigenvalues, which can arise in previous methods. We demonstrate the effectiveness of our algorithm through numerical examples.
- Abstract(参考訳): クープマン作用素は非線形力学系を研究する線形フレームワークを提供する。
そのスペクトルはシステム力学の貴重な洞察を与えるが、演算子は離散スペクトルと連続スペクトルの両方を示し、直接計算を複雑にする。
本論文では、演算子自体を明示的に計算することなく、クープマン演算子の主固有関数を構成するカーネルベースの手法を提案する。
これらの主固有関数は平衡力学と関連付けられ、それらの固有値は平衡点における非線形系の線型化の値と一致する。
主固有関数の構造を線形成分と非線形成分に分解する。
線形部は平衡における系の線形化の左固有ベクトルに対応し、非線形部はカーネル法を用いて偏微分方程式(PDE)を解くことによって得られる。
提案手法は, 従来手法で発生したスペクトル汚染や突発的固有値などの一般的な問題を回避する。
数値的な例を通して,本アルゴリズムの有効性を実証する。
関連論文リスト
- Kernel Operator-Theoretic Bayesian Filter for Nonlinear Dynamical Systems [25.922732994397485]
本稿では,演算子理論モデリングのための機能的ベイズ的視点に基づく機械学習手法を提案する。
この定式化は、線型作用素の無限次元空間や普遍近似特性を持つヒルベルト空間で直接行われる。
この実践的手法は正確な結果を得ることができ、有限次元クープマン分解より優れることを示す。
論文 参考訳(メタデータ) (2024-10-31T20:31:31Z) - Compression of the Koopman matrix for nonlinear physical models via hierarchical clustering [0.0]
クープマン作用素の線型特性は非線形力学を理解することを希望する。
本研究では,階層クラスタリングを用いてクープマン行列を圧縮する手法を提案する。
論文 参考訳(メタデータ) (2024-03-27T01:18:00Z) - Propagating Kernel Ambiguity Sets in Nonlinear Data-driven Dynamics
Models [3.743859059772078]
非線形データ駆動力学系モデルを考えると、複数のステップで曖昧性セットを前進させるにはどうすればよいのか?
この問題は、データ分散シフトの下で、そのような学習システムモデルの分散ロバストな制御と学習に基づく制御を解決する鍵となる。
そこで我々は,カーネルの最大平均誤差幾何学を用いて,コオプマン演算子とCMEを用いた非線形データ駆動モデルを用いて曖昧性集合を正確に伝播するアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-04-27T09:38:49Z) - Reinforcement Learning from Partial Observation: Linear Function Approximation with Provable Sample Efficiency [111.83670279016599]
部分観察決定過程(POMDP)の無限観測および状態空間を用いた強化学習について検討した。
線形構造をもつPOMDPのクラスに対する部分可観測性と関数近似の最初の試みを行う。
論文 参考訳(メタデータ) (2022-04-20T21:15:38Z) - Learning the Koopman Eigendecomposition: A Diffeomorphic Approach [7.309026600178573]
コープマン固有関数を用いた安定非線形系の線形表現を学習するための新しいデータ駆動手法を提案する。
我々の知る限りでは、これは演算子、システム、学習理論の間のギャップを埋める最初の試みである。
論文 参考訳(メタデータ) (2021-10-15T00:47:21Z) - Exact solutions of interacting dissipative systems via weak symmetries [77.34726150561087]
我々は任意の強い相互作用や非線形性を持つクラスマルコフ散逸系(英語版)のリウヴィリアンを解析的に対角化する。
これにより、フルダイナミックスと散逸スペクトルの正確な記述が可能になる。
我々の手法は他の様々なシステムに適用でき、複雑な駆動散逸量子系の研究のための強力な新しいツールを提供することができる。
論文 参考訳(メタデータ) (2021-09-27T17:45:42Z) - Estimating Koopman operators for nonlinear dynamical systems: a
nonparametric approach [77.77696851397539]
Koopman演算子は非線形系の線形記述を可能にする数学的ツールである。
本稿では,その核となる部分を同一フレームワークのデュアルバージョンとして捉え,それらをカーネルフレームワークに組み込む。
カーネルメソッドとKoopman演算子との強力なリンクを確立し、Kernel関数を通じて後者を推定する。
論文 参考訳(メタデータ) (2021-03-25T11:08:26Z) - Linear embedding of nonlinear dynamical systems and prospects for
efficient quantum algorithms [74.17312533172291]
有限非線形力学系を無限線型力学系(埋め込み)にマッピングする方法を述べる。
次に、有限線型系 (truncation) による結果の無限線型系を近似するアプローチを検討する。
論文 参考訳(メタデータ) (2020-12-12T00:01:10Z) - Eigendecomposition-Free Training of Deep Networks for Linear
Least-Square Problems [107.3868459697569]
我々は、ディープネットワークのトレーニングに固有分解のないアプローチを導入する。
この手法は固有分解の明示的な微分よりもはるかに堅牢であることを示す。
我々の手法は収束特性が良く、最先端の結果が得られます。
論文 参考訳(メタデータ) (2020-04-15T04:29:34Z) - On dissipative symplectic integration with applications to
gradient-based optimization [77.34726150561087]
本稿では,離散化を体系的に実現する幾何学的枠組みを提案する。
我々は、シンプレクティックな非保守的、特に散逸的なハミルトン系への一般化が、制御された誤差まで収束率を維持することができることを示す。
論文 参考訳(メタデータ) (2020-04-15T00:36:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。