SINDy选出的动力学项到底可不可信？新框架PSI-SINDy用后选择推断给出置信区间！
PSI-SINDy: Post-Selection Inference for Sparse Identification of Nonlinear Dynamics
📖 AI 总结
本文提出PSI-SINDy，一种面向非线性动力学稀疏辨识（SINDy）的统计推断框架，旨在通过假设检验和置信区间量化SINDy所选动力学项的可靠性。研究指出，若用同一条含噪轨迹既做变量选择又做显著性评估，会引入选择偏差；而现有后选择推断方法难以直接套用，因为SINDy中候选项存在测量误差，且响应与设计矩阵共享噪声。为此，作者采用数据稀疏化将单条观测轨迹分解为四个相互独立、角色各异的视图，从而在推断所选动力学项时同时校正选择偏差、测量误差与共享噪声的影响。论文在给定条件下证明了方法的理论有效性，并通过模拟与实验动力学系统数据进行了数值验证。
🔑 关键词速览
| SINDy | 非线性动力学的稀疏辨识，一种从时间序列数据中发现稀疏动力学方程的数据驱动方法。 |
| 后选择推断 | 在模型选择后对所选参数进行统计推断的方法，旨在纠正选择过程引入的偏差。 |
| 数据稀疏化 | 一种将单个观测数据集分解为多个独立子集的技术，用于减少偏差并提高统计推断的可靠性。 |
| 选择偏差 | 由于使用同一数据既选择模型又评估其显著性而导致的统计偏差。 |
| 测量误差 | 在观测或记录数据时由于仪器、环境等因素导致的变量值不准确。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅