从缺失观测中学习结构化线性动力系统

针对各时间点仅有极少观测可用的场景，研究提出一种基于偏差校正目标函数在凸集上学习结构化线性动力系统的估计器。该方法确立了投影梯度下降算法的收敛性，并推导出与凸集局部复杂度、轨迹长度 $T$ 及子采样概率 $p$ 相关的统计误差非渐近界。结果表明，在 $p = o(1)$ 且 $T$ 远小于无约束场景要求时，仍能有效恢复转移矩阵。