Dynamic models with $p$ parameters are identified by $2p+1$ random features
含 p 个参数的动态模型可由 2p+1 个随机特征识别AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究带观测噪声和过程噪声的动态时间序列模型识别，因而对应所给分类中的时间序列方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
含 p 个参数的动态模型可由 2p+1 个随机特征识别
- 研究问题
- 对含观测噪声或过程噪声的动态时间序列模型，少量随机特征在什么条件下足以识别模型，其数量如何关联参数维数？
- 方法与思路
- 作者将无噪声动力系统的识别原则推广到带噪声时间序列，覆盖微分方程、离散动态系统及过程噪声，并以两个动力模型说明。
- 材料陈述的贡献
- 题名提出 2p+1 个随机特征的识别结论；摘要称允许非独立同分布、非高斯及状态依赖噪声，拓展了动态模型的识别范围。
- 阅读关注点
- 应核对随机特征的定义与抽样方式、参数空间和泛型条件，以及识别结论是全局还是局部、如何处理不同类型的噪声。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未交代 2p+1 结论的具体条件，也未说明估计算法与有限样本保证。
原文摘要
A foundational principle in nonlinear dynamics is that the structure of a dynamical system can be recovered from a small number of generic measurements or coordinates. We develop an analogous principle for the identification of dynamic models for time series with noise, which builds on previous identification results for noiseless dynamical systems. The noise is allowed to be non-iid, non-Gaussian, and dependent on the state. Our results cover noisily observed differential equations and discrete-time dynamical systems, as well as stochastic models with process noise. We illustrate the utility of this identification principle using a Lorenz-63 model and a Hénon map model, both with observational noise.