电气工程与系统科学 > 系统与控制
[提交于 2025年1月10日
(v1)
,最后修订 2025年2月15日 (此版本, v2)]
标题: 从输入-状态-输出数据中进行非线性端口-哈密顿系统辨识
标题: Nonlinear port-Hamiltonian system identification from input-state-output data
摘要: 一种利用输入-状态-输出数据识别非线性端口哈密顿系统的框架被引入。 该框架利用神经网络的通用逼近能力,以结构化的方式有效表示复杂动力学。 我们表明,与不结合物理知识的基线方法相比,使用该结构有助于长期预测。 我们还探索了基于MLPs、KANs以及使用先验信息的不同架构。 该技术通过包含反对称项中的非线性、耗散项中的非线性或哈密顿量中的非线性的示例进行了验证。
当前浏览上下文:
eess.SY
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.