parametric-discovery

参数发现 用于发现参数偏微分方程的代码； Rusy，S.，Alla，A.，Brunton，B.，and Kutz，JN “参数决定的偏微分方程的数据驱动识别。” 摘要：在这项工作中，我们提出了一种用于发现参数偏微分方程（PDE）的数据驱动方法，从而使人们能够消除基本的演化方程及其参数依赖性之间的歧义。 组稀疏性用于确保以参数化PDE形式简化地表示观测到的动力学，同时还允许系数具有任意时间序列或空间依赖性。 这项工作建立在以前的常系数PDE识别方法的基础上，扩大了领域以包括一类新的方程式，直到现在，这些方程式还没有基于机器学习的识别方法。 我们显示，在确定PDE中最少的项及其参数依赖性时，按顺序进行阈值岭回归的组优于LASSO组。 该方法在引入和不引入噪声的四个规范模型上得到了证明。