J.Nathan Kutz;史蒂文·布鲁顿。;宾尼·W·布伦顿。;约书亚·L·普罗克托。 动态模式分解。复杂系统的数据驱动建模。 （英语） Zbl 1365.65009号 应用数学的其他标题149.宾夕法尼亚州费城：工业和应用数学学会（SIAM）（ISBN 978-1-61197-449-2/pbk）。十六、234页。(2016). 本书分为13章：第一章：动态模式分解（DMD）：介绍DMD；制定DMD架构；DMD算法；示例代码和分解；DMD方法的局限性；无方程方法的更广泛背景；以及DMD的跨学科联系。第二章：流体动力学：由流体中的模型分解组成；DMD在流体中的应用；示例Re=100绕圆柱尾迹流动。第三章：库普曼分析：由谱理论和本征函数展开式组成；Koopman操作员；与DMD的连接；和动力系统示例。第四章：视频处理：包括背景/前景视频分离；RPCA和DMD；DMD用于背景减法；简单示例和算法；和DMD用于视频监控。第五章：多分辨率DMD：由时频分析和Gabor变换组成；小波与MRA；制定mrDMD；mrDMD算法；以及示例代码和分解。第6章：DMD与控制（c）：包括制定DMDc；DMDc算法；示例；与系统识别方法的连接；以及与库普曼算子理论的联系。第7章：延迟坐标、ERA和隐马尔可夫模型：由延迟坐标和偏移叠加数据组成；与ERA和Hankel矩阵的联系；和HMM。第八章：噪声与功率：由功率谱组成；截断数据和奇异值阈值；以及DMD频谱中的噪声补偿。第9章：稀疏性和DMD：由压缩传感组成；促进贫乏的DMD；Sub-Nyquist抽样DMD；压缩DMD；和压缩DMD的代码。第十章：非线性观测值的DMD：由Koopman观测值组成；偏微分方程的非线性可观测性；扩展和内核DMD；以及实现扩展和内核DMD。第11章：流行病学：包括传染病传播建模；传染病数据；传染病数据的DMD；示例；DMD模式的流行病学解释。第12章：神经科学：包括测量神经活动的实验技术；神经科学中的模态分解；和神经记录的DMD。第十三章：金融交易：包括金融投资和算法交易；金融时间序列数据和DMD；交易算法和培训；和交易表现。此外，它还包含词汇表/参考书目。这本书组织得很好，介绍了使用DMD对复杂系统进行最重要的数据驱动建模。它适用于高年级本科生和本科生以及对复杂系统的数据驱动建模感兴趣的实际工程师、科学家和研究人员。审核人：Seenith Sivasundaram（代托纳海滩） 引用于1审查引用于190文件 MSC公司： 65立方厘米20 概率模型，概率统计中的通用数值方法 65K10像素 数值优化和变分技术 65-02 与数值分析相关的研究展览（专著、调查文章） 65页99 动力系统中的数值问题 37M99型 动力系统的逼近方法和数值处理 37N99型 动力系统的应用 47A70型 线性算子的（广义）特征函数展开；操纵希尔伯特空间 93个B07 可观察性 93立方厘米30 系统标识 92天30分 流行病学 92C20美元 神经生物学 91G10型 投资组合理论 65Z05个 科学应用 65T60型 小波的数值方法 关键词：动态模式分解;数据驱动模型;复杂系统;流体动力学;科普曼分析;本征函数展开;动力系统;多分辨率;Gabor变换;小波;系统标识;马尔可夫模型;Hankel矩阵;奇异值;压缩感知;流行病学;传染病传播;神经科学;金融交易;时间序列 软件：Matlab公司;PyDMD公司 PDF格式BibTeX公司 XML格式引用 \textit{J.N.Kutz}等人，动态模式分解。复杂系统的数据驱动建模。宾夕法尼亚州费城：工业和应用数学学会（SIAM）（2016；Zbl 1365.65009）