本文综述深度学习在复杂动力系统建模中的进展，涵盖自编码器降阶、AdaLED框架、iLED可解释学习、扩散模型生成湍流及多保真度学习等方法，可降低计算成本，兼顾准确性与鲁棒性，并展望非线性动力学与学习理论的跨学科融合。

复杂系统动力学预测的生成学习
BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证