कूपर: गैर-स्थिर समय श्रृंखला के लिए कूपमैन प्रेडिक्टर
कूपर (Koopa) एक डीप लर्निंग मॉडल है जिसे नेउरिप्स (NeurIPS) 2023 में योंग लियू, चांग ली, जियानमिन वांग और मिंगशेंग लॉन्ग द्वारा समय-श्रृंखला पूर्वानुमान के लिए प्रस्तुत किया गया था। यह समय श्रृंखला को स्थिर और गैर-स्थिर घटकों में अलग करके गैर-स्थिरता की चुनौती का समाधान करता है, फिर कूपमैन ऑपरेटर के सीखे हुए सन्निकटन का उपयोग करके गैर-स्थिर गतिशीलता को मॉडल करता है — एक गणितीय ढाँचा जो अरैखिक प्रणालियों को एक रैखिक स्थान में उठाता है ताकि सुलभ दीर्घकालिक पूर्वानुमान हो सके।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Liu, Y., Li, C., Wang, J., & Long, M. (2023). Koopa: Learning non-stationary time series dynamics with Koopman predictors. NeurIPS. link ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 2). Koopa (Koopman Predictors for Non-stationary Dynamics). ScholarGate. https://scholargate.app/hi/deep-learning/koopa
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- DLinear: समय श्रृंखला पूर्वानुमान के लिए डीकंपोज़िशन लीनियर मॉडलगहन अधिगम↔ compare
- गैर-स्थिर ट्रांसफार्मरगहन अधिगम↔ compare
- स्टेट स्पेस मॉडल (कलमन फिल्टर)अर्थमिति↔ compare