مقاله SINDy در مقابل غیرخطی های سخت و دینامیک پنهان: یک مطالعه معیار

چکیده

In this work we analyze the effectiveness of the Sparse Identification of Nonlinear Dynamics (SINDy) technique on three benchmark datasets for nonlinear identification, to provide a better understanding of its suitability when tackling real dynamical systems. While SINDy can be an appealing strategy for pursuing physics-based learning, our analysis highlights difficulties in dealing with unobserved states and non-smooth dynamics. Due to the ubiquity of these features in real systems in general, and control applications in particular, we complement our analysis with hands-on approaches to tackle these issues in order to exploit SINDy also in these challenging contexts.

چکیده به فارسی (ترجمه ماشینی)

در این کار ما اثربخشی شناسایی پراکنده تکنیک دینامیک غیرخطی (SINDY) در سه مجموعه داده معیار برای شناسایی غیرخطی را مورد تجزیه و تحلیل قرار می دهیم تا درک بهتری از مناسب بودن آن هنگام مقابله با سیستم های دینامیکی واقعی فراهم کنیم.در حالی که Sindy می تواند یک استراتژی جذاب برای پیگیری یادگیری مبتنی بر فیزیک باشد ، تجزیه و تحلیل ما مشکلات در برخورد با حالت های بدون نظارت و پویایی غیر صاف را برجسته می کند.با توجه به همه گیر بودن این ویژگی ها در سیستم های واقعی به طور کلی ، و به طور خاص برنامه های کنترل ، ما تجزیه و تحلیل خود را با رویکردهای دستی برای مقابله با این موضوعات به منظور بهره برداری از سندی نیز در این زمینه های چالش برانگیز تکمیل می کنیم.