RobustLDS：在对抗性污染下学习线性动态系统

RobustLDS 研究在单条长度为 T 的轨迹中、部分观测被对抗性异常值污染时如何学习线性动态系统。论文提出基于最小化修剪二乘（least-trimmed squares）松弛的估计器与交替最小化算法，并给出两种利用异常值群稀疏性（通过惩罚/硬约束）的估计器。对带群稀疏惩罚的估计器，作者推导出非渐近误差界以证明其对异常值的鲁棒性，实验也显示所提估计器在实践中表现良好。