20260514:增加新内容

reviews/koopa-review-20260511.md

@@ -0,0 +1,50 @@
+---
+title: "Review: Koopa — Koopman 预测器驱动的非平稳时序学习"
+created: 2026-05-11
+type: review
+sources: [[liu-koopa-2023]]
+---
+
+# Review: Koopa — Koopman 预测器驱动的非平稳时序学习
+
+## 📌 基本信息
+
+- **标题**：Koopa: Learning Non-stationary Time Series Dynamics with Koopman Predictors
+- **作者**：Yong Liu, Chenyu Li, Jianmin Wang, Mingsheng Long (Tsinghua)
+- **会议**：NeurIPS 2023
+- **领域**：时间序列预测 / 动力系统 / 深度学习
+- **添加时间**：2026-05-11
+
+## 🎯 核心概念
+
+1. **[[koopman-theory|Koopman 理论]]** — 将非线性动力学映射到无限维线性空间，用线性算子驱动
+2. **[[fourier-filter-dynamics|Fourier Filter]]** — 频域解耦时变与时时不变分量
+3. **[[koopman-predictor|Koopman 预测器]]** — 测量函数学习 + 线性算子 + 上下文感知
+4. **[[non-stationary-time-series|非平稳时间序列]]** — 时变统计和时变依赖的核心挑战
+5. **[[dynamic-mode-decomposition|DMD]]** — Koopman 算子的标准有限维近似
+6. **[[koopman-autoencoder|KAE]]** — 深度学习 + Koopman 的融合框架
+7. **[[time-variant-dynamics|时变动力学]]** — 局部时变算子的处理策略
+
+## 🔗 概念网络
+
+```
+koopman-theory ←→ dynamic-mode-decomposition ←→ koopman-autoencoder
+       ↓
+koopman-predictor ←→ fourier-filter-dynamics
+       ↓                    ↓
+time-variant-dynamics   non-stationary-time-series
+```
+
+## 📚 Wiki 集成
+
+| 指标 | 数值 |
+|------|------|
+| 新增页面 | 9 个（1 paper + 7 概念 + 1 raw） |
+| 总规模 | 225 → 233 页 |
+| 交叉引用 | 55 处，0 断链 |
+
+## 💡 关键洞察
+
+Koopa 的核心优雅在于**将非线性时序预测转化为线性算子问题**——这本质上是 Koopman 理论 1931 年就揭示的洞见，但直到深度学习能自动学习测量函数 g 后才真正可落地。Fourier Filter 的频域解耦进一步让时变/时不变两种动力学各得其所，避免了传统归一化方法"一刀切"的信息损失。77% 的训练加速说明线性算子的计算优势在这一框架下得到了充分释放。
+
+这篇与 wiki 中已有的 [[meta-jctrader|Meta-JCTrader]]（高频交易预测）和 [[probabilistic-method|概率方法]]（将复杂问题映射到易处理空间）形成了理论与应用的双向呼应。