研究人员在动力学系统的代理建模中发现了一个“动态概率一致性差距”。当为概率目标进行优化导致系统动力学退化或将预测不确定性与实际局部动力学解耦时，就会出现这种差距。为了解决这个问题，他们提出了KAFFEE，一个基于卡尔曼滤波的训练框架，旨在提高混沌系统中的不确定性估计和动力学不变性重构。 AI
影响 KAFFEE框架提高了混沌系统建模中的不确定性估计，可能增强AI预测和理解复杂动力学能力。
排序理由 该集群包含一篇详细介绍混沌系统建模新方法和框架的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.31547v1 Announce Type: cross Abstract: Dynamical systems reconstruction (DSR) aims to learn surrogate models that capture the dynamics underlying time-series data. Reliably deploying these surrogates requires uncertainty estimates consistent with the learned dynamics. …
Dynamical systems reconstruction (DSR) aims to learn surrogate models that capture the dynamics underlying time-series data. Reliably deploying these surrogates requires uncertainty estimates consistent with the learned dynamics. We expose a dynamic-probabilistic consistency (DPC…