NDKoop

新的 NDKoop 方法利用 Koopman 算子增强时间序列预测

研究人员推出了一种名为神经分解 Koopman (NDKoop) 的新方法，用于时间序列预测。这个端到端的神经框架集成了信号分解和基于 Koopman 的网络，解决了非平稳信号建模的挑战。通过将信号分解为由 Koopman 算子控制的、与频率无关的趋势分量和与频率相关的周期分量，NDKoop 旨在提高在无法实现完美线性化的场景下的预测准确性。在各种预测基准上的实验证明了该方法的有效性。