★ 2
K²SVD：基于卡尔曼推断的原理化Koopman表示
论文提出K²SVD方法，通过优化Hilbert-Schmidt目标显式学习Koopman算子的主导奇异函数，构建数学上一致的低秩表示。该方法结合线性高斯状态空间模型与卡尔曼滤波进行多步预测，潜空间维度不足此前工作的10%，在多个数据集上超越现有最优方法且预测更快、算力更低。
arXiv cs.LG46 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出K²SVD方法，通过优化Hilbert-Schmidt目标显式学习Koopman算子的主导奇异函数，构建数学上一致的低秩表示。该方法结合线性高斯状态空间模型与卡尔曼滤波进行多步预测，潜空间维度不足此前工作的10%，在多个数据集上超越现有最优方法且预测更快、算力更低。