全局动力学的组合模型：从数据中学习循环运动
Combinatorial models of global dynamics: learning cycling motion from data
AI总结：
提出一种从时间序列数据构建动力学系统粗粒度组合模型的计算方法，以基本循环运动为宏观状态，并在双阱哈密顿系统和洛伦兹系统上验证。
摘要：
我们描述了一种计算方法，用于构建某些动力学系统的粗粒度组合模型，其中宏观状态由系统的基本循环运动给出。我们的方法尤其适用于时间序列数据。我们通过受扰动的双阱哈密顿系统以及洛伦兹系统来展示该构建过程。
英文摘要：
We describe a computational method for constructing a coarse combinatorial model of some dynamical system in which the macroscopic states are given by elementary cycling motions of the system. Our method is in particular applicable to time series data. We illustrate the construction by a perturbed double well Hamiltonian as well as the Lorenz system.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
