Koopman autoencoder

新研究探讨动力学学习中的潜在维度缩放

研究人员通过自回归预测，探讨了表示大小的增加如何影响深度学习模型中的动力学学习。他们使用Koopman算子的特征结构分析了学习到的时间演化，并通过检查相对残差来识别虚假的特征对。研究表明，随着学习到的字典空间逼近L2中的可观测空间，其上的最小残差收敛到全空间对应物。在六个混沌系统上的实验表明，随着维度的增加，谱残差模型在减少滚动误差和增加有效预测时间方面始终优于潜在预测模型。