Koopa : Prédicteurs de Koopman pour Séries Temporelles Non Stationnaires

Koopa est un modèle d'apprentissage profond pour la prévision de séries temporelles, introduit par Yong Liu, Chang Li, Jianmin Wang et Mingsheng Long à NeurIPS 2023. Il aborde le défi de la non-stationnarité en décomposant les séries temporelles en composantes stationnaires et non stationnaires, puis en modélisant la dynamique non stationnaire à l'aide d'une approximation apprise de l'opérateur de Koopman — un cadre mathématique qui élève les systèmes non linéaires dans un espace linéaire pour une prévision à long terme traitable.