内容简介
计算机时代来临之前,动态系统的建模主要依靠经验公式,建模者必须对物理背景和数学技巧都了然于胸。现如今,数据的海量收集和高速运算能力,使人们有机会探讨数据驱动的建模方法。
《数据驱动的复杂动态系统建模》全文分为4个相对独立的章节。第1章陈述了建模本身的尴尬,面对两种截然不同的思路一推理和演化,既没有调和的能力,也不知该倚重哪一方。随后的章节展现了3种建模方法:符号化、稀疏化和函数化,它们都具有跨学科的适用性,体现了数据驱动的建模特点。
符号化建模的背后是人工智能。文中阐述了符号推理与重构、时间序列的符号化、异常检测算法,并用实例证明了符号化建模的有效性。但是,把连续观测离散为符号,缺少理论支持,使整个符号化建模丧失了严肃性。
稀疏化建模的背后是高维统计。文中阐述了稀疏罚、主元分析以及稀疏主元分析,并给出了T波交替幅度量化的实例。基于稀疏罚的变量选择,起到了去伪存真的作用,有助于澄清系统内部变量关联的真相。
函数化建模是跨越数理统计和动态系统的桥梁。
《数据驱动的复杂动态系统建模》全文分为4个相对独立的章节。第1章陈述了建模本身的尴尬,面对两种截然不同的思路一推理和演化,既没有调和的能力,也不知该倚重哪一方。随后的章节展现了3种建模方法:符号化、稀疏化和函数化,它们都具有跨学科的适用性,体现了数据驱动的建模特点。
符号化建模的背后是人工智能。文中阐述了符号推理与重构、时间序列的符号化、异常检测算法,并用实例证明了符号化建模的有效性。但是,把连续观测离散为符号,缺少理论支持,使整个符号化建模丧失了严肃性。
稀疏化建模的背后是高维统计。文中阐述了稀疏罚、主元分析以及稀疏主元分析,并给出了T波交替幅度量化的实例。基于稀疏罚的变量选择,起到了去伪存真的作用,有助于澄清系统内部变量关联的真相。
函数化建模是跨越数理统计和动态系统的桥梁。