비선형 연속 시간 시스템의 Koopman 생성자에 대한 데이터 기반 랜덤 특징 근사

요약

본 논문은 연속 시간 비선형 동역학 시스템 학습을 위해 Koopman 생성자 근사 기법에 초점을 맞춥니다. 핵심 기여는 Galerkin 근사 방법론(gEDMD)을 위한 데이터 기반 랜덤 특징(random-feature) 방식을 제시합니다. 이 방식은 기존의 데이터에 구애받지 않는 방법보다 우수한 성능을 보이며, 수치적 정확성과 이론적인 수렴성까지 입증했습니다.

핵심 포인트

• Koopman 연산자 대신 Koopman 생성자의 근사 기법에 집중함.
• 데이터 기반 랜덤 특징 방식이 gEDMD의 효과적인 함수 표현을 제공함.
• 제안된 방법은 데이터에 구애받지 않는 방식보다 성능 향상을 보임.
• 수치적 결과 외에도 수렴성 및 반례를 포함한 이론적 기여가 있음.