MSWTs

多尺度小波变换器增强动力系统算子学习

研究人员开发了多尺度小波变换器（MSWTs），以提高动力系统数据驱动模型的准确性，特别是在天气预报等领域。这些被称为神经算子的模型，常常受限于频谱偏差，导致捕获小尺度结构至关重要的高频分量衰减。MSWTs通过在分块小波域中学习系统动力学来解决这个问题，明确分离不同尺度的频率，并使用基于小波的注意力来保持高频特征。实验表明，在混沌系统和真实气候数据上，误差显著降低，频谱保真度得到提高。