K^2SVD

新的 K^2SVD 方法通过原则性库普曼表示改进时间序列预测

研究人员开发了 K$^2$SVD，一种用于时间序列预测的新颖方法，解决了现有基于库普曼算子方法中的局限性。K$^2$SVD 通过优化 Hilbert-Schmidt 目标显式学习库普曼算子的前导奇异函数，从而得到一个数学上一致且维度显著更低的潜在空间。该方法使用线性高斯状态空间模型捕捉时间演化，并采用卡尔曼滤波进行推理，从而减少了多步预测中的噪声累积。实证结果表明，K$^2$SVD 在准确性和预测速度方面均优于当前最先进的方法，同时需…