On the Spectral Equivalence of Koopman Operators through Delay Embedding
利用延迟嵌入技术,给出了原动力系统的Koopman算子与重构系统的Koopman算子的谱等价性定理.该定理在保测度映射(例如紧吸引子上的动力学)中得到了证明,并为结合扩展动态模分解和延迟嵌入计算Koopman算子的谱性质提供了数学基础.
2017-06-03 math.DS nlin.CD
Delay-coordinate maps and the spectra of Koopman operators
由动力系统诱导的Koopman算子是固有线性的,并且提供了研究系统的许多性质的替代方法,包括吸引子重构和预测。Koopman本征函数表示动力学的非混合分量。他们的因素的动力学,这可能是混乱的,到准周期旋转环面。在这里,我们描述了一种方法,通过该方法,这些本征函数可以从核积分算子,这也消除了连续谱。我们表明,将大量的延迟坐标在构建该运营商的结果的内核,在无限多个延迟的限制,在创建一个映射到离散谱子空间的Koopman运营商。这使得有效的近似Koopman本征函数从高维数据系统中的纯点或混合光谱。
2018-11-05 math.DS
Kernel-based approximation of the Koopman generator and Schrödinger operator
许多降维和模型简化技术依赖于从数据中估计相关动力学算子的主导本征函数。重要的例子包括Koopman算子及其生成元,还有薛定谔算子。我们提出了一种基于核的方法来逼近再生核希尔伯特空间中的微分算子,并展示了如何通过求解辅助矩阵本征值问题来估计本征函数。将所得算法应用于分子动力学和量子化学的例子。此外,我们还利用了在一定条件下,薛定谔算子可以转化为对应于漂移-扩散过程的Kolmogorov向后算子,反之亦然.这使我们能够应用为分析高维随机微分方程的量子力学系统开发的方法。
2020-12-25 cs.NA math-ph math.DS
Dynamical systems and complex networks: A Koopman operator perspective
本文从Koopman算子视角出发,介绍该算子依托数据与机器学习算法在非线性动力系统研究中的应用价值,并提出其可用于复杂网络分析,同时揭示其与图拉普拉斯算子的关联。
2024-12-16 math.DS stat.ML
Decompositions of dynamical systems induced by the Koopman operator
对于一个拓扑动力系统,我们刻画了由相应Koopman算子的不动空间所诱导的状态空间的分解。为此,我们引入了一个广义轨道族,并得到了状态空间到绝对李雅普诺夫稳定集的最精细分解。类似于测度保持的情形,这得到系统是拓扑遍历的当且仅当它的库普曼算子的固定空间是一维的。
2019-07-09 math.DS math.FA
Two Roads to Koopman Operator Theory for Control: Infinite Input Sequences and Operator Families
California Institute of Technology(加州理工学院);University of California, San Diego(加利福尼亚大学圣地亚哥分校)
本文研究Koopman算子理论在控制中的两种扩展(无限输入序列与算子族)的等价性,在特定函数空间条件下证明其等价,并提供转换工具,为控制中的Koopman方法提供统一视角。
2025-10-16 cs.SY eess.SY math.DS
On Computation of Koopman Operator from Sparse Data
在本文中,我们提出了一种新的方法来计算稀疏时间序列数据的Koopman算子。近年来,数据驱动的动力系统分析的算子理论方法引起了人们极大的兴趣。用于Koopman算子的近似的现有技术需要足够大的数据集,但是在许多应用中,数据集可能不够大以将算子近似到可接受的极限。在本文中,使用鲁棒优化的思想,我们提出了一个算法来计算稀疏数据的Koopman算子。我们丰富的人工数据点的稀疏数据集,通过添加有界人工噪声和制定的噪声鲁棒学习问题作为一个强大的最优化问题,并表明最优解是Koopman算子的最小误差。我们说明了我们所提出的方法在三个不同的动力系统,即线性系,非线性系统和动力系统所管辖的偏微分方程的效率。
2019-01-10 math.DS
Koopman Analysis of the Singularly-Perturbed van der Pol Oscillator
该研究对奇异摄动van der Pol系统开展Koopman分析,揭示其谱特征与奇异极限特性,证明Koopman特征函数继承系统几何特性,结果可推广至含稳定极限环的平面奇异摄动系统。
2024-10-07 cs.SY eess.SY math.DS
Reduced-order modelling based on Koopman operator theory
本文研究基于库普曼算子理论的流体动力学降阶建模,提出一种识别关键库普曼模态的新策略,以数值逼近复合算子,从而降低模型计算复杂度。
2024-09-05 cs.NA math.DS math.NA
Kernel Dynamic Mode Decomposition For Sparse Reconstruction of Closable Koopman Operators
本文通过测度论嵌入拉普拉斯核构建足够丰富的再生核希尔伯特空间,解决库普曼算子的可闭包性挑战,并利用核扩展动态模式分解实现动力系统时空模态的稀疏重构,同时提供理论与实验双重验证。
2025-05-11 math.DS stat.ML
Koopman Operators for Global Analysis of Hybrid Limit-Cycling Systems: Construction and Spectral Properties
本文为具有全局渐近稳定周期轨道的混合动力系统建立了Koopman算子理论,通过构造保留光滑结构的可观测空间,完整刻画了算子谱并确保特征函数存在唯一,从而支持全局分析。
2024-11-06 cs.SY eess.SY math.DS
Koopman and Perron-Frobenius Operators on reproducing kernel Banach spaces
针对Koopman算子性质依赖函数空间的问题,本文将Koopman与Perron-Frobenius算子的基本性质从再生核希尔伯特空间推广到再生核巴拿赫空间,提出通用框架并给出离散、连续时间系统下的对称性、稀疏性等新结果。
2024-01-26 math.DS
A note on quasi-similarity of Koopman operators
提出了一个关于A.我们构造了两个非弱同构的遍历自同构,其相关的酉(库普曼)表示是马尔可夫拟相似的。我们还讨论了遍历自同构类中马氏拟相似的度量不变量。
2009-04-09 math.DS math.FA
The Distributional Koopman Operator for Random Dynamical Systems
本文引入分布Koopman算子(DKO),用于仅能获取聚合分布数据的随机动力系统的Koopman分析,无需粒子跟踪或轨迹数据,推广了SKO并证明DMD近似在大数据极限下收敛到DKO,适用于轨迹信息缺失的场景。
2025-04-15 math.DS
The Koopman Expectation: An Operator Theoretic Method for Efficient Analysis and Optimization of Uncertain Hybrid Dynamical Systems
对于涉及决策的动力系统,系统的成功在很大程度上取决于其在不完全和不确定信息下做出良好决策的能力。通过利用Koopman算子及其伴随属性,我们引入了Koopman期望,这是一种计算通过动力系统传播的期望的有效方法。与文献中其他基于Koopman算子的方法不同,这是可能的,而无需Koopman算子的显式表示。此外,当考虑预期损失和约束时,利用库普曼期望实现的效率在不确定性下进行优化。我们展示了Koopman期望是如何适用于离散,连续和混合非线性系驱动的过程噪声与非高斯初始条件和参数不确定性。最后,我们展示了一个1700倍的加速计算概率量的混合动力系统在天真的蒙特卡罗方法与许多数量级的精度提高。
2020-08-20 math.DS math.OC math.PR
An operator-theoretic viewpoint to non-smooth dynamical systems: Koopman analysis of a hybrid pendulum
我们将算子理论的观点应用于一类非光滑动力系统,该系统暴露于事件触发的状态重置。所考虑的基准问题是,收到一定的固定角度下向下踢的钟摆。钟摆被建模为一个混合自动机,并从几何的角度和形式主义进行了分析Koopman算子理论。通过建立库普曼算子的谱性质与状态空间中的几何性质之间的联系,在动力系统的这两种解释之间建立了联系。
2016-08-31 math.DS
Global stability analysis using the eigenfunctions of the Koopman operator
提出了一种新的算子理论框架来研究非线性系统的全局稳定性。基于Koopman算子的谱性质,我们的方法可以被看作是经典线性稳定性分析到非线性系统的一个自然扩张。主要结果建立了Koopman算子特定本征函数的存在性与双曲不动点和极限环的全局稳定性之间的(充要)关系.这些结果是补充与数值方法,用于估计区域的吸引力的不动点或证明在一个系统的方式全局稳定性的吸引子在一个给定的区域内的状态空间。
2015-09-10 math.DS
Robust Approximation of the Stochastic Koopman Operator
我们分析了基于动态模式分解(DMD)的随机Koopman算子的随机动力系统的动力学或可观测量受到噪声的影响的近似的性能。对于许多DMD算法,噪声的存在可以在DMD算子中引入偏差,导致动力学的差的近似。特别是,使用时间延迟的观测量,如汉克尔DMD的方法,是有偏见的动态时,是随机的。我们介绍了一种新的,强大的DMD算法,可以近似的随机Koopman算子,尽管存在噪声。然后,我们演示了如何将该算法应用于时间延迟的观测量,这使我们能够从一个单一的观察生成一个Krylov子空间。这使我们能够使用在单个轨迹上测量的单个可观测值来计算随机Koopman算子的实现。我们测试的性能的算法在几个例子。
2022-02-03 math.DS
Two methods to approximate the Koopman operator with a reservoir computer
Koopman算子为动力系统的数据驱动分析提供了一个强大的框架。在过去的几年中,丰富的数值方法提供有限维近似的运营商已被提出(如扩展动态模式分解(EDMD)及其变种)。虽然EDMD的收敛结果需要无限数量的字典元素,但最近的研究表明,只要通过适当的训练过程精心选择,只有少数字典元素可以产生Koopman算子的有效近似。然而,该训练过程通常依赖于非线性最优化技术。在本文中,我们提出了两种新的方法的基础上水库计算机训练字典。这些方法仅依赖于线性凸优化。我们说明了几个数值例子的背景下,数据重建,预测和计算的Koopman算子谱的方法的效率。这些结果为库普曼算子框架下油藏计算机的使用铺平了道路。
2020-09-01 eess.SP math.DS
On Few Shot Learning of Dynamical Systems: A Koopman Operator Theoretic Approach
在本文中,我们提出了一种新的算法学习的Koopman算子的动力系统从\textit{small}量的训练数据。在数据驱动建模的许多应用中,例如生物网络建模、网络安全、物联网建模或智能电网监控,不可能以足够高的采样频率获得定期采样的时间序列数据。在这种情况下,现有的动态模式分解(DMD)或扩展的动态模式分解(EDMD)算法的Koopman算子计算往往会导致低保真度近似Koopman算子。为此,本文提出了一种算法,可以有效地计算Koopman算子时,训练数据集是稀疏采样的时间。特别是,该算法通过添加人工数据点来丰富小训练数据集,这些数据点被视为噪声观测。然后,使用来自鲁棒优化的技术,使用较大的,尽管有噪声的数据集来计算Koopman算子。所提出的算法的有效性也证明了三个不同的动力系统,即一个线性网络的振荡器,一个非线性系统和一个动力系统由偏微分方程(PDE)。
2021-03-07 math.DS
Data-driven Spatio-temporal Prediction of High-dimensional Geophysical Turbulence using Koopman Operator Approximation
我们展示了一个数据驱动的低维线性模型在预测湍流瑞利-贝纳德对流时空演化中的技巧。该模型是基于动态模式分解与延迟嵌入,它提供了一个数据驱动的有限维近似系统的Koopman算子。该模型使用直接数值模拟的矢量值观测量构建,可以提供准确的预测。类似的高预测技能的Kuramoto-Sivashinsky方程在强混沌制度。
2019-03-02 math.DS math.OC nlin.CD
A Data-Driven Approximation of the Koopman Operator: Extending Dynamic Mode Decomposition
Koopman算子是一种线性但无限维的算子,它控制着自治动力系统状态空间上标量观测量的演化,是分析和分解非线性动力系统的有力工具。在这篇手稿中,我们提出了一个数据驱动的方法近似的领先的本征值,本征函数,和模式的库普曼运营商。该方法需要一个数据集的快照对和一个字典的标量观测,但不需要明确的控制方程或相互作用的“黑匣子”积分。我们将表明,这种方法实际上是动态模式分解(DMD)的扩展,它已被用来近似Koopman特征值和模式。此外,如果提供给该方法的数据是由马尔可夫过程而不是确定性动力系统生成的,则该算法近似于Kolmogorov向后方程的本征函数,这可以被认为是“随机Koopman算子”[1]。最后,四个说明性的例子:两个突出的定量性能的方法时,无论是确定性或随机数据,和两个显示潜在的应用Koopman特征函数。
2014-08-19 math.DS
Fréchet differentiable drift dependence of Perron--Frobenius and Koopman operators for non-deterministic dynamics
考虑了Perron-Frobenius算子和Koopman算子与非时齐常随机微分方程的关系,建立了它们关于漂移的Fréchet可微性.这一结果依赖于一个类似的可微性结果的路径期望的路径泛函的解决方案的随机微分方程,我们建立使用Girsanov公式。我们证明了我们的结果在动力系统和算子理论的背景下的意义,通过证明连续可微漂移依赖的简单的本征值和奇异值和相应的本征值和奇异函数的随机Perron Frobenius和Koopman运营商。
2019-07-16 math.DS math.PR
A Convex Optimization Approach to Learning Koopman Operators
Koopman算子提供了学习非线性动力学的线性近似的易处理的手段。已经提出了许多方法来找到这些运营商,通常基于近似使用先验固定类的模型。然而,选择合适的模型和边界的近似误差是远远不够的。出于这些困难,在本文中,我们提出了一种基于优化的方法来学习Koopman算子的数据。我们的结果表明,Koopman算子,相关的Hilbert空间的观测量和一个合适的字典可以通过解决两个秩约束半定规划(SDP)。虽然原则上这些问题是NP难的,但使用秩的标准松弛会导致凸SDP。此外,这些SDP表现出弦稀疏性,导致算法与数据点的数量线性缩放。
2021-02-07 cs.SY eess.SY math.DS
Koopman Operator Theory for Nonlinear Dynamic Modeling using Dynamic Mode Decomposition
Koopman算子是描述标量可观测量(即,状态的测量函数)在无限维希尔伯特空间中。这种算子理论的观点将有限维非线性系统的动力学提升到无限维函数空间,在那里原系统的演化变成线性的。在本文中,我们提供了一个简短的总结Koopman算子定理的非线性动力学建模,并专注于分析几个数据驱动的实现,使用动态模式分解(DMD)的自治和控制的规范问题。我们应用扩展的动态模式分解(EDMD),以确定领先的Koopman本征函数和近似的有限维表示所发现的线性动力学。这使我们能够对非线性系统应用线性控制方法,而无需在不动点附近进行线性化近似。然后,我们可以检查使用的线性控制器的基础上的Koopman算子近似系统的欠驱动系统的基本机动的保真度。我们通过对两个经典动力系统的数值模拟证明了这一理论的有效性,并展示了DMD方法对Koopman算子的评估和逼近及其在线性化这些系统时的有效性。
2021-10-16 cs.RO math.DS math.OC
Koopman-Based Learning of Infinitesimal Generators without Operator Logarithm
针对基于离散观测估计连续非线性系统转移特性的难题,提出无需算子对数、不破坏Koopman学习框架的无穷小生成元学习方法,可兼容同类验证工具,经数值实验验证在系统辨识和稳定性预测上有效。
2024-10-31 math.DS
Koopman Operator for Stability Analysis: Theory with a Linear--Radial Product Reproducing Kernel
North Carolina State University(北卡罗来纳州立大学)
研究基于柯普曼算子的稳定性分析,通过线性核与温德兰径向核形成乘积核定义RKHS,使柯普曼算子作用下不变,平衡点渐近稳定时谱在单位圆内,学习的算子有误差界可提供稳定性证书,还讨论其对基于柯普曼控制的作用。
2026-07-28 cs.SY eess.SY math.DS
Uncertainty Modelling and Robust Observer Synthesis using the Koopman Operator
McGill University(麦吉尔大学);Mecademic(梅卡德米克)
本文利用 Koopman 算子将非线性系统近似线性化,在频域量化一组模型的不确定性,并基于混合 H2-H∞ 控制综合鲁棒非线性观测器,在数十个电机驱动上完成实验验证。
2024-10-01 cs.LG cs.SY eess.SY
Algorithmic (Semi-)Conjugacy via Koopman Operator Theory
迭代算法在决策和控制中具有极其重要的意义。随着越来越多的算法被开发、分发和私有化,对能够提供分类和比较的方法的需求也在类似地增长。通过将迭代算法视为离散时间动力系统,我们利用Koopman算子理论来识别算法之间的(半)共轭,使用它们的谱特性。这提供了一个通用的框架来分类和比较算法。
2022-09-14 cs.DS math.DS
Koopman Operator in the Weighted Function Spaces and its Learning for the Estimation of Lyapunov and Zubov Functions
本文在加权函数空间和加权再生核希尔伯特空间中学习库普曼算子,保证其收缩性和误差有界,并利用学习结果估计全局渐近稳定系统的李雅普诺夫函数及刻画吸引域的祖博夫-李雅普诺夫函数,同时给出误差概率界。
2024-09-30 cs.SY eess.SY math.DS
Linear Matrix Inequality Approaches to Koopman Operator Approximation
McGill University(麦吉尔大学)
被认为是回归问题,找到一个矩阵近似的Koopman运营商的数据。回归问题被表述为一个线性矩阵不等式(LMI)约束下的凸优化问题。这样做允许将额外的LMI约束纳入回归问题。特别是,渐近稳定性约束,正则化使用矩阵范数,甚至正则化使用系统范数可以很容易地纳入回归问题。
2021-10-18 cs.LG cs.SY eess.SY
Numerical approximation of the Koopman-von Neumann equation: Operator learning and quantum computing
School of Mathematical & Computer Sciences, Heriot–Watt University(爱丁堡赫瑞-瓦特大学数学与计算机科学学院);Max-Planck-Institute for Dynamics of Complex Technical Systems(马普复杂技术系统动力学研究所);Zuse Institute Berlin(柏林祖斯研究所)
本文基于Koopman-von Neumann框架和经典转移算子,提出数值方法近似该算子及其本征值和本征函数,并探讨基函数和域的选择对算子定义的重要性。
2026-09-28 cs.NA math.DS math.NA
On Matching, and Even Rectifying, Dynamical Systems through Koopman Operator Eigenfunctions
匹配动力系统,通过不同形式的共轭和等价,一直是一个基本的概念,和一个强大的工具,在非线性动力学行为的研究和分类(例如通过规范形式)。在本文中,我们将认为,使用Koopman算子及其频谱是特别适合这一努力,无论是在理论上,但也特别是在最近的数据驱动算法的发展。我们相信,并通过说明性的例子文件,这可以nontrivially扩展的使用和适用性的库普曼频谱的理论和计算机器超越建模和预测,对什么可以被认为是一个系统的发现“科尔-霍普夫型”的动力学变换。
2018-03-06 math.DS
Vehicular Applications of Koopman Operator Theory -- A Survey
Koopman算子理论已被证明是解决非线性系统辨识和全局线性化问题的一种很有前途的方法。近一个世纪以来,一直没有有效的方法来计算应用工程目的的库普曼算子。最近引入的计算效率高的方法在流体动力学的背景下,这是基于系统动力学分解成一组正常模式的降序,克服了这个长期存在的计算障碍。Koopman算子的纯数据驱动性质使其有望捕获用于降阶模型生成和系统辨识的未知和复杂动态,通过这些降阶模型生成和系统辨识,可以利用线性控制技术的丰富机制。鉴于这一研究领域的持续发展和智能移动和车辆工程领域中存在的许多开放性问题,有必要对将Koopman算子理论应用于这一充满活力的领域的技术和开放性挑战进行调查。本文重点介绍了近年来出现的Koopman运营商的各种解决方案,特别是那些专注于移动应用的解决方案,从表征和组件级控制操作到车辆性能和车队管理。此外,对100多篇研究论文的全面审查突出了Koopman算子理论应用于各种车辆应用的广泛性,并对应用的基于Koopman算子的算法类型进行了详细分类。此外,本文还讨论了Koopman算子理论的理论方面,这些理论在很大程度上被智能移动和车辆工程界所忽视,但对解决这些领域的开放问题有很大的潜力。
2023-03-21 cs.RO cs.SY eess.SY
Duality between Eigenfunctions and Eigendistributions of Ruelle and Koopman operators via an integral kernel
我们考虑由$d$符号的Bernoulli空间上的单侧移位给出的经典动力学。我们研究,在空间上的霍德尔功能,本征分布的Ruelle运营商与一个给定的潜在的。我们的主要定理表明,对于任何孤立的本征值,这样的Ruelle算子的本征分布是对偶的Ruelle算子与共轭势的本征向量。我们还证明了Koopman算子的本征函数和本征分布也满足类似的关系。为了显示这样的结果,我们采用积分核技术,其中所使用的内核是对合内核。
2015-06-02 cond-mat.stat-mech math.DS math.PR
A concise introduction to Koopman operator theory and the Extended Dynamic Mode Decomposition
本文简明介绍了Koopman算子理论,并系统阐述其与DMD及核EDMD的联系,旨在以统一符号和理论-算法关联视角帮助读者更清晰地理解该领域。
2024-09-16 cs.NA math.DS math.NA
A mode-in-state contribution factor based on Koopman operator and its application to power system analysis
利用Koopman算子的谱性质和灵敏度分析,提出了一类非线性动力系统的状态模态贡献因子。利用目标非线性系统的Koopman算子的本征函数,我们表明,模式和状态变量之间的相对贡献可以量化超出线性政权,其中考虑到系统的非线性。将该贡献因子应用于交直流互联电力系统大信号仿真的数值分析。
2022-05-23 cs.SY eess.SY math.DS
Koopman Operator and its Approximations for Systems with Symmetries
具有对称性的非线性动力系统表现出丰富多样的行为,包括复杂的吸引子-盆画像以及增强和抑制的分叉。对称性论证提供了一种研究这些集体行为并简化其分析的方法。Koopman算子是一个无限维的线性算子,它通过状态空间的函数的线性演化来完全捕获系统的非线性动力学。重要的是,与局部线性化相比,它保留了系统的全局非线性特征。我们演示了对称性的存在如何影响Koopman算子的结构及其谱性质。事实上,我们表明,对称性的考虑也可以简化使用扩展和内核的动态模式分解方法(EDMD和内核DMD)的Koopman算子近似。具体来说,表示论使我们能够证明,一个同型组件的基础上诱导块对角结构的运营商近似,揭示隐藏的组织。实际上,如果数据是对称的,则可以修改EDMD和核DMD方法以更有效地计算Koopman算子近似及其本征值、本征函数和本征模。完成的发展,我们讨论了测量噪声的影响。
2019-04-25 cond-mat.dis-nn math.DS math.GR
Error bounds for kernel-based approximations of the Koopman operator
该研究针对再生核希尔伯特空间中随机微分方程的Koopman算子数据驱动近似问题,推导了多种误差界与方差表达式,并通过Ornstein-Uhlenbeck过程的数值实验验证了结果。
2023-12-19 math.DS
Homeomorphisms group of normed vector space: Conjugacy problems and the Koopman operator
本文研究赋范向量空间$E$的无界子集$F$的同胚群Hom($F$)中的共轭问题.给出了Hom($F$)中的两个同胚$f$和$g$,证明了共轭性的存在与Koopman算子的一个公共广义本征函数的存在有关.这个共同的本征函数用于在Hom($F$)上建立拓扑,其中当该极限存在时,共轭性作为由共轭算子生成的序列的极限而获得。给出了一类广义Lipeomorphism的主要共轭定理。
2013-02-11 math.DS math.GN
Rigorous data-driven computation of spectral properties of Koopman operators for dynamical systems
University of Cambridge(剑桥大学);Cornell University(康奈尔大学)
本文提出ResDMD算法,从轨迹数据严格计算Koopman算子谱,无谱污染,具收敛保证,并成功应用于高维系统如蛋白质和湍流。
2023-05-11 cs.LG cs.NA math.DS
Sparsity structures for Koopman operators
我们提出了一个分解的Koopman运营商的基础上的稀疏结构的动力系统,允许一个考虑系统作为一个家庭的子系统互连的图形。利用Koopman算子的固有性质,我们证明了子系统的本征函数诱导整个系统的本征函数。主本征函数的使用允许扭转这一结果。类似地,对于伴随算子,Perron-Frobenius算子,动力系统的不变测度诱导子系统的不变测度,而从子系统的不变测度构造不变测度则不那么直接。我们解决这个问题,并表明,在必要的兼容性假设,这样的不变测度存在。基于这些结果,我们证明了一个动力系统的分解的先验知识允许减少的计算成本的数据驱动的方法的例子的动态模式分解。
2021-12-20 math.DS math.OC
Flow primitives and infinitesimal generators of Perron-Frobenius and Koopman operators
Clemson University(克莱姆森大学)
本文提出一种基于无穷小生成元指数近似的计算方法,通过李括号刻画向量场微扰对Perron-Frobenius和Koopman算子的影响,实现从流基元构造算子及处理参数扰动。
2026-06-03 math.DS nlin.CD
Consistent spectral approximation of Koopman operators using resolvent compactification
本文提出通过生成元预解式紧化对保测连续时间系统的库普曼算子进行谱精确逼近,并发展出基于轨迹数据和核特征函数字典的数据驱动方案,在环面和 Lorenz 63 系统上验证了其有效性。
2024-05-06 math.DS
On Convergence of Extended Dynamic Mode Decomposition to the Koopman Operator
扩展动态模式分解(EDMD)是一种通过在状态空间中的$M$点处采样来近似Koopman算子对观测量空间的$N$维子空间的作用的算法。假设样本是从某个测度$μ$独立地或遍历地抽取的,证明了在极限为$M\rightarrow\infty$时,EDMD算子$\mathcal{K}_{N,M}$收敛到$\mathcal{K}_N$,其中$\mathcal{K}_N$是Koopman算子作用在有限维观测量子空间上的$L_2(μ)$ -正交投影.在这项工作中,我们证明了,作为$N \rightarrow \infty$,操作$\mathcal{K}_N$在强算子拓扑收敛到Koopman操作。这特别意味着在任何有限时间范围内给定可观测值的未来值的预测的收敛,这对于诸如预测、估计和控制的实际应用是重要的。此外,我们证明了$\mathcal{K}_N$的谱的聚点对应于Koopman算子的本征值,并且当本征函数的弱极限不为零时,其本征函数弱收敛于Koopman算子的本征函数.作为一个副产品,我们提出了一个分析版本的EDMD算法,在某些假设下,允许一个直接构建$\mathcal{K}_N$,而不使用采样。最后,在额外的假设下,我们分析了$\mathcal{K}_{N,N}$的收敛性(即,$M=N$),证明收敛,沿子序列,弱本征函数(或本征分布)有关的特征测度的Perron-Frobenius算子。没有假…
2017-10-20 math.DS math.OC math.SP
Applied Koopman Operator Theory for Power Systems Technology
Osaka Prefecture University(大阪府立大学);University of California, Santa Barbara(加州大学圣塔芭芭拉分校);Kyoto University(京都大学)
本文探讨了Koopman算子理论在电力系统中的应用,重点介绍其用于分析非线性动力学系统的方法及在同步发电机振荡、系统不稳定性诊断和稳定性评估中的应用。
2017-09-29 cs.SY eess.SP eess.SY
Error bounds on analytic Koopman-based Lyapunov functions
Department of Mathematics and Namur Research Institute for Complex Systems (naXys), University of Namur(南纳慕尔大学数学系与南纳慕尔复杂系统研究所)
本文研究了Koopman算子特征函数在解析向量场和有限维多项式子空间近似下的误差界,用于验证基于Koopman的Lyapunov函数的有效性,并获得平衡点吸引区的内近似。
2026-03-31 math.DS
Nonlinear Data-Driven Approximation of the Koopman Operator
Koopman分析提供了一个通用的框架,从该框架中可以用作用于无限维可观测空间的线性算子来分析非线性动力系统。这个理论框架为广泛使用的动态模式分解算法提供了严格的基础。虽然这种方法已被证明是非常有用的时间序列数据的分析,得到的线性模型通常必须是高阶的,以准确地近似基本上非线性行为。这个问题带来了过度拟合训练数据的固有风险,从而限制了预测能力。相比之下,这项工作探讨了非线性数据驱动的估计Koopman算子的行动的策略。一般策略,产量非线性模型的系统与无控制。随后将得到的非线性方程投影到低秩基上,得到底层动力系统的低阶表示。在这两个计算和实验的例子中,考虑在这项工作中,Koopman算子的线性估计一般只能提供短期的预测可观察到的动态,而可比的非线性估计提供准确的预测,在相当长的时间尺度和复制无限的时间行为,线性预测不能。
2022-10-10 math.DS
Optimal reporter placement in sparsely measured genetic networks using the Koopman operator
传感器优化配置是控制理论中一个重要而又尚未解决的问题。在生物有机体中,遗传活性通常是高度非线性的,使得难以设计启动子文库来充当细胞状态的报告子。我们利用Koopman可观测性gramian开发的离散时间非线性动力系统的最佳传感器(或报告)的位置,以减轻困难的启动子库的设计算法。这种容易是由于这样一个事实,即库普曼算子表示的非线性系统的演变线性提升状态的无限维空间的可观。Koopman框架理想地要求高时间分辨率,但是生物学中的数据通常在时间上稀疏地采样。因此,我们从时间上粗粒度的Koopman算子中计算我们称之为时间上细粒度的Koopman算子,后者是从稀疏数据中识别的。传感器的最优布置对应于最大化细粒度系统的可观测性。我们证明了算法的昼夜节律振荡器的模拟例子。
2019-09-18 cs.SY eess.SY math.DS
Deep-Koopman-KANDy: Dictionary Discovery for Deep-Koopman Operators with Kolmogorov-Arnold Networks for Dynamics
Clarkson Center for Complex Systems Science(克拉克森复杂系统科学中心)
本文提出深度-库普曼-克里洛夫网络,结合深度-库普曼建模与克里洛夫-阿诺尔德网络,通过后处理符号字典读取方法,解决数据驱动动力学系统中符号库选择问题,验证了在洛伦兹系统、标准映射、伊基达映射和阿诺尔德猫映射上的有效性。
2026-05-07 math.DS
On Numerical Approximations of the Koopman Operator
我们研究了复合算子谱性质的数值计算方法。利用广义拉普拉斯分析给出了巴拿赫空间中Koopman模的一个特征.我们铸造的动态模式分解型方法的上下文中的有限部分理论的无限维运营商,并提供了一个例子的混合映射的有限部分方法失败。在基本动力学的假设下,我们提供了第一个结果的收敛速度下样本量增加的有限部分近似。研究了Krylov子空间形式的有限截面法的误差,证明了纯点谱算子的伪谱收敛性。这一结果表明,Krylov序列为基础的近似可以有低的错误,而不需要近似函数的数量的指数维数增加。
2020-09-13 math.DS
Global Linearization of Parameterized Nonlinear Systems with Stable Equilibrium Point Using the Koopman Operator
Kyoto University(京都大学);University of Namur(南纳慕尔大学)
本文利用Koopman算子框架对具有控制输入的非线性系统进行全局分析,通过研究其谱性质,实现非线性系统的全局线性化,并探讨控制仿射系统中全局双线性化对参数的依赖条件。
2026-04-06 cs.SY eess.SY math.DS
System Norm Regularization Methods for Koopman Operator Approximation
McGill University(麦吉尔大学)
当考虑许多提升函数时,从数据近似Koopman算子在数值上具有挑战性。即使是低维系统也可能在高维提升空间中产生不稳定或病态的结果。本文将Koopman算子的两种近似方法--扩展动态模式分解(DMD)和带控制的DMD转化为带线性矩阵不等式约束的凸优化问题。渐近稳定性约束和系统范数正则化,然后纳入作为方法,以提高数值条件的Koopman运营商。具体地说,H ∞范数被用来惩罚Koopman系统的输入输出增益。然后应用加权函数来惩罚特定频率处的系统增益。这些约束和正则化器将双线性矩阵不等式约束引入到回归问题中,通过求解一系列凸优化问题来处理。使用飞机疲劳结构试验台和软机器人手臂的数据的实验结果突出了所提出的回归方法的优点。
2022-08-09 cs.LG cs.SY eess.SY
Learning Spatio-Temporal Dynamics via Operator-Valued RKHS and Kernel Koopman Methods
Department of Mathematics and Statistics, University of Calgary(数学与统计学系,卡尔加里大学)
该研究提出结合算子值再生核希尔伯特空间(OV-RKHS)与核Koopman算子方法的统一框架,实现复杂时空动力学的非参数化数据驱动估计,支持高维非线性系统降阶建模与长期预测。
2025-08-23 cs.LG math.DS math.OC