761
个编辑
更改
跳到导航
跳到搜索
第545行：
第545行： − + 第555行：
第555行： − + 第561行：
第561行： − +
→核DMD
其中<math>\langle \cdot, \cdot \rangle</math>表示RKHS中的[[内积]]。这种方法允许我们在不知道显式映射<math>\phi</math>的情况下，直接在核空间中计算相似性。
其中<math>\langle \cdot, \cdot \rangle</math>表示RKHS中的[[内积]]。这种方法允许我们在不知道显式映射<math>\phi</math>的情况下，直接在核空间中计算相似性。
核DMD的核心思路是在RKHS中执行类似标准DMD的操作，从而获得Koopman算子的近似矩阵<math>\mathbf{K}_\phi</math>，具体简化推导如下：
核DMD的核心思路是在RKHS中执行类似标准DMD的操作，从而获得Koopman算子的近似矩阵<math>\mathbf{K}</math>，具体简化推导如下：
第一步，先定义核矩阵：我们将所有初始状态<math>\{\mathbf{x}_i\}</math>和演化后状态<math>\{\mathbf{y}_i\}</math>（<math>\mathbf{y}_i = F(\mathbf{x}_i)</math>，<math>F</math>为系统状态转移函数）代入核函数，构造两个核心核矩阵：
第一步，先定义核矩阵：我们将所有初始状态<math>\{\mathbf{x}_i\}</math>和演化后状态<math>\{\mathbf{y}_i\}</math>（<math>\mathbf{y}_i = F(\mathbf{x}_i)</math>，<math>F</math>为系统状态转移函数）代入核函数，构造两个核心核矩阵：
第二步，核DMD假设Koopman算子在RKHS中的作用，满足类似标准DMD的线性近似关系，即<ref name=william_2015_kernal>M. O. Williams, C. W. Rowley, and I. G. Kevrekidis, A kernel approach to data-driven Koopman spectral analysis, J. Comput. Dynam., 2 (2015), pp. 247--265. (Cited on pp. 255, 256, 284, 285, 294, 318)</ref><ref name=Gonzalez_2023_kernal>Gonzalez, E., Abudia, M., Jury, M., Kamalapurkar, R. & Rosenfeld, J. A. The kernel perspective on dynamic mode decomposition. Preprint at https://doi.org/10.48550/arXiv.2106.00106 (2023).</ref>：
第二步，核DMD假设Koopman算子在RKHS中的作用，满足类似标准DMD的线性近似关系，即<ref name=william_2015_kernal>M. O. Williams, C. W. Rowley, and I. G. Kevrekidis, A kernel approach to data-driven Koopman spectral analysis, J. Comput. Dynam., 2 (2015), pp. 247--265. (Cited on pp. 255, 256, 284, 285, 294, 318)</ref><ref name=Gonzalez_2023_kernal>Gonzalez, E., Abudia, M., Jury, M., Kamalapurkar, R. & Rosenfeld, J. A. The kernel perspective on dynamic mode decomposition. Preprint at https://doi.org/10.48550/arXiv.2106.00106 (2023).</ref>：
:<math>\mathbf{Ker}_{YX} \approx \mathbf{K}_\phi \mathbf{Ker}_{XX}</math>
:<math>\mathbf{Ker}_{YX} \approx \mathbf{K} \mathbf{Ker}_{XX}</math>
也就是，“演化后状态与初始状态的相似性”，可由“Koopman矩阵作用于初始状态间的相似性”近似得到。
也就是，“演化后状态与初始状态的相似性”，可由“Koopman矩阵作用于初始状态间的相似性”近似得到。
第三步，从上述近似关系出发，能直接得到Koopman近似矩阵：
第三步，从上述近似关系出发，能直接得到Koopman近似矩阵：
:<math>\mathbf{K}_\phi \approx \mathbf{Ker}_{XX}^\dagger \mathbf{Ker}_{YX}</math>
:<math>\mathbf{K} \approx \mathbf{Ker}_{XX}^\dagger \mathbf{Ker}_{YX}</math>
核DMD的优势在于，它能够处理复杂的[[非线性系统]]，如[[流体湍流]]或[[混沌系统]]，而无需手动设计[[非线性]][[特征函数]]。此外，[[核技巧]]减少了[[计算复杂度]]，因为我们可以通过核矩阵运算避免高维空间中的直接计算。目前，有很多种[[核函数]]，包括线性核、多项式核、[[径向基]]核、高斯核、拉普拉斯核、sigmod核等等。
核DMD的优势在于，它能够处理复杂的[[非线性系统]]，如[[流体湍流]]或[[混沌系统]]，而无需手动设计[[非线性]][[特征函数]]。此外，[[核技巧]]减少了[[计算复杂度]]，因为我们可以通过核矩阵运算避免高维空间中的直接计算。目前，有很多种[[核函数]]，包括线性核、多项式核、[[径向基]]核、高斯核、拉普拉斯核、sigmod核等等。