system-identification

本文提出了一类时变深度状态空间模型，其动态特性通过基函数展开进行学习，从而能够自适应建模切换系统。该方法在合成切换数据和语音去噪任务上均优于时不变模型。

本文扩展了端口-哈密顿神经网络（PHNNs）到偏微分方程（PDEs）中，用于从数据中学习非线性弦动力学。该方法能够同时恢复哈密顿量和耗散，在准确性和可解释性方面优于非物理信息基线方法。