热点事件持续更新
TT-WSINDy 高维非线性动力学辨识
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
2026年10月3日，arXiv cs.LG 分类发布研究报道，研究者提出 TT-WSINDy 方法，将弱形式稀疏辨识（WSINDy）与张量列（TT）表示结合，在 TT 格式下完成弱形式变换、回归与稀疏化，以解决高维系统中候选函数库随状态维度指数增长的问题。报道称，该方法证明 TT 形式可还原对应的 WSINDy 回归问题，并给出张量列稀疏化过程的多项式时间与内存复杂度上界。数值实验显示，其在高维系统下对测量噪声具有鲁棒性并节省计算开销。目前进展停留在该方法提出与数值验证阶段。
AI 根据报道生成 · 2 小时前更新
最新进展10月3日 12:00
研究者提出 TT-WSINDy，将 WSINDy 与张量列结合以应对高维系统辨识。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）Tensor-Train Weak SINDy：识别高维非线性动力学
研究者提出 TT-WSINDy，将弱形式稀疏辨识（WSINDy）与张量列（TT）表示结合，在 TT 格式下完成弱形式变换、回归与稀疏化，解决了高维系统中候选函数库随状态维度指数增长的问题。该方法证明 TT 形式可还原对应的 WSINDy 回归问题，并给出张量列稀疏化过程的多项式时间与内存复杂度上界。数值实验显示其在高维系统下对测量噪声具有鲁棒性并节省计算开销。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。