Ensemble-SINDy: Robust sparse model discovery in the low-data, high-noise limit, with active learning and control

Sparse model identification enables the discovery of nonlinear dynamical systems purely from data; however, this approach is sensitive to noise, especially in the low-data limit. In this work, we leverage the statistical approach of bootstrap aggregating (bagging) to robustify the sparse identificat...

Celý popis

Podrobná bibliografie

Vydáno v:	Proceedings of the Royal Society. A, Mathematical, physical, and engineering sciences Ročník 478; číslo 2260; s. 20210904
Hlavní autoři:	Fasel, U, Kutz, J N, Brunton, B W, Brunton, S L
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	England 01.04.2022
Témata:	active learning model discovery nonlinear dynamics probabilistic forecasting ensemble methods sparse regression
ISSN:	1364-5021
On-line přístup:	Zjistit podrobnosti o přístupu
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!