更改

==高斯噪声迭代系统基于SVD的粗粒化策略==

==高斯噪声迭代系统基于SVD的粗粒化策略==

在得到基于奇异值的因果涌现之后，和TPM矩阵类似，我们也可以根据逆向动力学的协方差矩阵<math>𝐴𝑇Σ^{−1}𝐴</math>和正向动力学的协方差矩阵<math>Σ^{−1}</math>的奇异向量，指定在高斯迭代系统上的粗粒化策略，将高维的向量映射到低维空间。基于SVD的理论，我们可以知道，<math>𝐴𝑇Σ^{−1}𝐴</math>和<math>Σ^{−1}</math>都是对称矩阵，因此我们可以直接得到SVD分解

在得到基于奇异值的因果涌现之后，和TPM矩阵类似，我们也可以根据逆向动力学的协方差矩阵<math>𝐴𝑇Σ^{−1}𝐴</math>和正向动力学的协方差矩阵<math>Σ^{−1}</math>的奇异向量，指定在高斯迭代系统上的粗粒化策略，将高维的向量映射到低维空间。基于SVD的理论，<math>𝐴𝑇Σ^{−1}𝐴</math>和<math>Σ^{−1}</math>都是对称矩阵，因此我们可以直接得到SVD分解

<blockquote>

<blockquote>

<math>A^T\Sigma^{-1}A=USU^T

<math>A^T\Sigma^{-1}A=USU^T

</math>

</math>

</blockquote>

</blockquote>

其中<math>S={\rm diag}(s_1,\cdots,s_n)</math>和<math>K={\rm diag}(\kappa_i,\cdots,\kappa_n)</math>分别是奇异值<math>s_1\geq\cdots\geq s_n</math>和<math>\kappa_1\geq\cdots\geq \kappa_n$</math>组成的对角矩阵，奇异向量矩阵<math>U=(u_1,\cdots,u_n)</math>和<math>V=(v_1,\cdots,v_n)</math>分别包含了两组奇异值对应的奇异向量，他们也可以分别看成两个生成空间的正交积。当我们得到<math>r_\epsilon</math>之后, 理论上我们就分别需要保留奇异值<math>s_1,\cdots,s_{r_\epsilon}</math>和<math>\kappa_1,\cdots, \kappa_{r_\epsilon}</math>，因此粗粒化映射<math>\phi(x_t)=Wx_t</math>中的参数矩阵<math>W\in\mathcal{R}^{r_\epsilon\times n}</math>应他们对应的奇异向量尽量平行而不是正交。 我们可以根据有效秩，将奇异向量划分为

其中<math>S={\rm diag}(s_1,\cdots,s_n)</math>和<math>K={\rm diag}(\kappa_i,\cdots,\kappa_n)</math>分别是奇异值<math>s_1\geq\cdots\geq s_n</math>和<math>\kappa_1\geq\cdots\geq \kappa_n$</math>组成的对角矩阵，奇异向量矩阵<math>U=(u_1,\cdots,u_n)</math>和<math>V=(v_1,\cdots,v_n)</math>分别包含了两组奇异值对应的奇异向量，它们也可以分别看成两个生成空间的正交积。当我们得到<math>r_\epsilon</math>之后, 理论上就分别需要保留奇异值<math>s_1,\cdots,s_{r_\epsilon}</math>和<math>\kappa_1,\cdots, \kappa_{r_\epsilon}</math>，因此粗粒化映射<math>\phi(x_t)=Wx_t</math>中的参数矩阵<math>W\in\mathcal{R}^{r_\epsilon\times n}</math>应与它们对应的奇异向量尽量平行而不是正交。 我们可以根据有效秩，将奇异向量划分为

<blockquote>

<blockquote>

<math>U=(U_1,U_2),U_1\in\mathcal{R}^{n\times r_\epsilon},U_2\in\mathcal{R}^{n\times (n-r_\epsilon)}

<math>U=(U_1,U_2),U_1\in\mathcal{R}^{n\times r_\epsilon},U_2\in\mathcal{R}^{n\times (n-r_\epsilon)}

</math>

</math>

</blockquote>

</blockquote>

两部分，这样对于粗粒化策略的制定就变成了让<math>WU_1</math>,<math>WV_1</math>尽量接近单位矩阵,而让<math>WU_2</math>,<math>WV_2</math>尽量接近0。但是<math>U,V</math>并不是在所有系统重都能保证相等，所以我们就需要对两个矩阵的生成空间进行分类讨论。我们主要讨论两组生成空间

两部分，这样对于粗粒化策略的制定就变成了让<math>WU_1</math>,<math>WV_1</math>尽量接近单位矩阵,而让<math>WU_2</math>,<math>WV_2</math>尽量接近0。但是<math>U,V</math>并不是在所有系统重都能保证相等，所以我们就需要对两个矩阵的生成空间进行分类讨论。

<blockquote>

<blockquote>

<math>

<math>