.png){kind=icon}
返回
Distributed Koopman operator learning from sequential observations
.png){kind=icon}
OA
AI
DOI：10.1016/j.ejcon.2026.101497.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种分布式Koopman算子学习框架，用于基于多个智能体（agents）的序列观测来建模未知的非线性动力学。每个智能体基于提升数据（lifted data）估计一个局部Koopman近似，并通过一个通信图进行协作，以在一致的分布式近似上达到指数收敛的一致性。该方法支持在异步且资源受限的传感条件下进行分布式计算。其性能通过仿真结果得到验证，证实了在传感受限场景和有限通信条件下的收敛性和预测精度。
Keyword:
Koopman operator
Distributed learning
Multi-agent systems
Nonlinear system identification
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.6
论文数:
326
被引数:
2.5K
机构
引用论文
Scalable distributed least square algorithms for large-scale linear equations via an optimization approach.png)
AUTOMATICA
AUTOMATICAIF5.9
PREAI
分享收藏
Linear predictors for nonlinear dynamical systems: Koopman operator meets model predictive control非线性动力系统的线性预测器: Koopman算子满足模型预测控制AUTOMATICAOAAI
AUTOMATICAIF5.9
OAAI分享收藏
查看更多内容