Control of complex systems with generalized embedding and empirical dynamic modeling｜PLOS ONE（2024）
これを複数の観測変数（とその遅延）に拡張したのがこれ
これを用いて、数式モデルやNNを用意するのではなく、観測データそのものから状態空間を作り、その状態空間上でEDMにより未来を予測する
以下のような特徴がある
データが状態空間を定義する
DMDの辞書関数やNN構造を事前に決めない
状態空間内で直接予測する
高次元liftingや外部モデルに写さない
解釈性が残る
どの観測変数・遅延値・近傍点に基づくか追える
再帰的最適化が不要
NN訓練やDMDの辞書最適化が不要
変数間相互作用を調べられる
EDMには因果・依存関係を見る道具がある
Naa_tsure.icon読んだ感想としては、
他のモデルとの比較があまりフェアに見えない
FFNNではなく、RNNなどと比較すべきでは？
制御対象が特殊
政治のモデルではなく、カートポールとかで性能を見るべきでは？
メリットがいうほど嬉しいか怪しい
再起的最適化が不要なのは確かにそうだが、Eやτというパラメタをグリッドサーチするのであれば計算としてそこまで軽く済むかは怪しい
変数同士の直接的な相互作用が見られるのは他にない利点だとは思う
制御の性能より理解に使うモデルなのかなという印象