---
title: "Koopman Autoencoder (KAE)"
created: 2026-05-11
updated: 2026-05-11
type: concept
tags: [deep-learning, autoencoder, dynamical-systems]
sources: [[liu-koopa-2023]]
---

# Koopman Autoencoder (KAE)

## 定义

Koopman 自编码器是将 [[koopman-theory|Koopman 理论]] 与深度学习自编码器结合的框架。用编码器学习测量函数 g（Koopman 嵌入），线性层实现 Koopman 算子，解码器重建状态。

## 架构

```
x_t → [Encoder] → g(x_t) → [K·] → g(x_{t+1}) → [Decoder] → x_{t+1}
```

- **编码器** = 测量函数：将状态映射到测量空间
- **线性中间层** = Koopman 算子 K
- **解码器** = 逆测量函数

## Koopa 对 KAE 的改进

传统 KAE 需要**重构损失绑定**（编码器-解码器 + 前向预测双重目标），Koopa 通过深度残差结构将其分解，实现端到端预测优化，消除了绑定的训练困难。

## 相关概念

- [[koopman-theory|Koopman 理论]]
- [[dynamic-mode-decomposition|DMD]]
- [[liu-koopa-2023|Koopa]]