从缺失观测中学习结构化线性动态系统

论文研究在凸集 𝒦 上、仅部分观测可用的结构化线性动态系统学习问题，提出最小化偏差校正且可能非凸目标函数的估计量。给出依赖 𝒦 局部复杂度、轨迹长度 T 与子采样概率 p 的非渐近统计误差界，并证明投影梯度下降算法的收敛性。理论应用于子空间、双等单调矩阵与由 Lipschitz 函数采样行构成的矩阵三类场景，证明在 T 远小于无约束情形且 p = o(1) 时仍可有效恢复转移矩阵。