Registre d'evidència del mètode

Koopa

Koopa is a deep learning model for time-series forecasting introduced by Yong Liu, Chang Li, Jianmin Wang, and Mingsheng Long at NeurIPS 2023. It addresses the challenge of non-stationarity by disentangling time series into stationary and non-stationary components, then modeling the non-stationary dynamics using a learned approximation of the Koopman operator — a mathematical framework that lifts nonlinear systems into a linear space for tractable long-horizon prediction.

Sources recorded, not reviewed

Registre font

Les citacions es copien textualment del registre font del mètode. No s'infereix cap verificació a nivell de reclam d'elles.

Koopa (Koopman Predictors for Non-stationary Dynamics)

Registre de mètode taxonòmic · ml-model / deep-learning

Liu, Y., Li, C., Wang, J., & Long, M. (2023). Koopa: Learning non-stationary time series dynamics with Koopman predictors. NeurIPS. · URL

Obre el mètode complet

Reclamacions curades

Les reclamacions s'han persistit al registre de proves, cadascuna amb la seva pròpia avaluació.

Encara no hi ha reclamacions curades

Aquesta vista no inventa una avaluació de reclam quan el registre no en té cap.

Mètodes relacionats

Generat a partir del gràfic de mètodes i mostrat com a relacions suggerides per la màquina; no s'infereix cap reclamació d'evidència.

Taxonomic bucketDLinearmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketNon-stationary Transformermachine-suggested · Relational suggestion, not evidence.See alsoState Space Modelmachine-suggested · Relational suggestion, not evidence.