Bridging Data Science and Dynamical Systems Theory
Bridging Data Science and Dynamical Systems Theory
复制标题
连接数据科学和动力系统理论
DOI：
10.1090/noti2151
复制
发表时间：
2020
影响因子：
--
通讯作者：
Harlim, John
中科院分区：
文献类型：
--
作者：
Berry, Tyrus;Giannakis, Dimitris;Harlim, John
现代科学正在经历一场可以被称为“数据革命”的革命，表现为来自复杂系统的观测和模拟数据的快速增长，以及对数据分析的数学和计算框架的积极研究。在许多科学分支中，这些努力导致了复杂系统的统计模型的创建，这些模型的技能与第一原理模型不相上下，甚至超过了第一原理模型的技能。然而，尽管取得了这些成功，统计模型往往被视为黑匣子，随着训练数据量的增加，对稳定性和收敛提供的保证有限。黑匣子模型也提供了对运行机制(物理学)的有限见解，对这些机制的理解是科学进步的核心。
Modern science is undergoing what might arguably be called a “data revolution,” manifested by a rapid growth of observed and simulated data from complex systems, as well as vigorous research on mathematical and computational frameworks for data analysis. In many scientific branches, these efforts have led to the creation of statistical models of complex systems that match or exceed the skill of first-principles models. Yet, despite these successes, statistical models are oftentimes treated as black boxes, providing limited guarantees about stability and convergence as the amount of training data increases. Black-box models also offer limited insights about the operating mechanisms (physics), the understanding of which is central to the advancement of science.
使用基于正交多项式的估计器计算线性响应统计数据：RKHS 公式
DOI：
--
发表时间：
2019
期刊：
影响因子：
--
作者：
He Zhang;J. Harlim;Xiantao Li
通讯作者：
Xiantao Li
具有复杂行为的系统的比较：谱方法
DOI：
10.1109/cdc.2000.912022
发表时间：
2000
期刊：
Proceedings of the 39th IEEE Conference on Decision and Control (Cat. No.00CH37187)
影响因子：
--
作者：
I. Mezić;A. Banaszuk
通讯作者：
A. Banaszuk
影响因子：
2.5
作者：
Das, Suddhasattwa;Giannakis, Dimitrios;Slawinska, Joanna
通讯作者：
Slawinska, Joanna