PulseAugur
中
实时 14:57:40
English(EN) Deep Spectral Learning of Embedded Latent Transfer Operators for Stochastic Dynamical Systems

用于动力系统的新型深度谱编码器方法

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的谱学习方法，称为深度谱编码器（DSE），用于分析随机非线性动力系统。DSE 使用基于算子的潜在状态空间模型，其中神经网络编码器将观测映射到马尔可夫潜在状态。该方法采用函数式典型相关分析来推导状态坐标，并从中估计传递算子和观测算子。这种方法允许进行广义序列贝叶斯滤波和Koopman谱模式分解，在嘈杂和部分可观测的情况下表现优于现有基线。 AI

排序理由 该集群包含一篇详细介绍分析动力系统新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Ryogo Tanaka, Yoshinobu Kawahara ·

    Deep Spectral Learning of Embedded Latent Transfer Operators for Stochastic Dynamical Systems

    arXiv:2606.14079v1 Announce Type: new Abstract: We propose a spectral learning method for stochastic nonlinear dynamical systems represented with embedded latent transfer operators in deep feature spaces. We instantiate the method as Deep Spectral Encoder (DSE), an operator-based…

相关实体

相关话题