Koopa: Koopman-prædiktorer for ikke-stationære tidsserier

Koopa er en deep learning-model til tidsserie-prognoser introduceret af Yong Liu, Chang Li, Jianmin Wang og Mingsheng Long ved NeurIPS 2023. Den adresserer udfordringen med ikke-stationaritet ved at adskille tidsserier i stationære og ikke-stationære komponenter, hvorefter den modellerer den ikke-stationære dynamik ved hjælp af en lært approksimation af Koopman-operatoren — et matematisk rammeværk, der løfter ikke-lineære systemer ind i et lineært rum for håndterbar langhorisont-prædiktion.