Ali SaraerToosi

NeuralDMD框架从稀疏数据中重建时空动力学

研究人员推出NeuralDMD，一个新颖的框架，它结合了神经隐式表示和动态模式分解（DMD），以从稀疏和噪声测量中重建连续的时空动力学。这种可解释的、未经训练的方法将DMD模式参数化为连续的神经场，并通过低秩线性动力学先验强制执行时间连续性。NeuralDMD在天气数据同化和分析银河系中心A*的干涉测量观测等任务中，表现优于现有方法，在预测方面表现稳定，并具有非线性应用的潜力。