数据同化的神经 Koopman 先验

💡 原文中文,约300字,阅读约需1分钟。
📝

内容提要

该研究使用神经网络架构和Koopman算子理论,实现了动力学系统数据的线性描述和长期连续重现,可应用于时间序列插值和预测。

🎯

关键要点

  • 该研究使用神经网络架构和Koopman算子理论。
  • 实现了动力学系统数据的线性描述。
  • 支持长期连续重现,包括时间序列不规则采样情况。
  • 展示了训练过的动力学模型作为新型数据同化技术的潜力。
  • 可应用于时间序列插值和预测。
➡️

继续阅读