arXiv ID:
2605.28684
arXiv 提交日期: 2026-05-27
基于增量奇异值分解的历史感知自适应降阶模型 / History-aware adaptive reduced-order models via incremental singular value decomposition
1️⃣ 一句话总结
本文提出一种通过增量奇异值分解(iSVD)在线更新基函数的方法,让降阶模型能记住历史动态并自适应调整,从而在复杂非线性问题中比传统方法更准确高效地预测长时间尺度上的系统行为。