System- and Data-Driven Methods and Algorithms

Abstract

An increasing complexity of models used to predict real-world systems leads to the need for algorithms to replace complex models with far simpler ones, while preserving the accuracy of the predictions. This two-volume handbook covers methods as well as applications. This first volume focuses on real-time control theory, data assimilation, real-time visualization, high-dimensional state spaces and interaction of different reduction techniques.

Возрастающая сложность моделей, используемых для прогнозирования реальных систем, приводит к необходимости разработки алгоритмов, позволяющих заменить сложные модели гораздо более простыми, сохраняя при этом точность прогнозов. В этом двухтомном руководстве рассматриваются как методы, так и приложения. Первый том издания посвящен теории управления в реальном времени, усвоению данных, визуализации в реальном времени, пространствам состояний высокой размерности и взаимодействию различных методов сокращения.