1.3 KiB
1.3 KiB
title, created, updated, type, tags, sources
| title | created | updated | type | tags | sources | |||||
|---|---|---|---|---|---|---|---|---|---|---|
| Koopman Predictor（Koopman 预测器） | 2026-05-11 | 2026-05-11 | concept |
|
|
Koopman Predictor（Koopman 预测器）
定义
Koopman 预测器是 Koopa 模型的核心组件，负责在 Koopman 嵌入空间中推进系统动力学。它利用 koopman-theory 的线性性，将非线性时序预测转化为线性算子驱动的前向传播。
三个关键组件
1. 测量函数学习
用深度网络学习 Koopman 嵌入 g(x_t)，将原始状态映射到适合线性动力学的测量空间。
2. Koopman 算子
线性矩阵 K 作为隐式状态转移的线性肖像。由于算子在测量空间中是线性的，计算高效且可解释。
3. 上下文感知机制
对time-variant-dynamics，在局部时间邻域动态计算算子 K_t，捕捉动力学的局部变化——而非使用全局固定的 K。
工程优势
- 线性计算效率：算子矩阵乘法替代复杂的非线性转移
- 滚动预测：可利用真实观测逐步推进，扩展预测范围
- 端到端训练：与 Fourier Filter 协同，无需重构损失绑定