Machine learningTime-series forecasting
Koopa: 非定常時系列のためのクープマン予測器
Koopaは、Yong Liu、Chang Li、Jianmin Wang、Mingsheng LongがNeurIPS 2023で発表した時系列予測のための深層学習モデルです。このモデルは、時系列を定常成分と非定常成分に分離し、非定常ダイナミクスをクープマン演算子の学習された近似を用いてモデル化することで、非定常性という課題に対処します。クープマン演算子は、非線形システムを線形空間にリフトして、扱いやすい長期間予測を可能にする数学的フレームワークです。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Liu, Y., Li, C., Wang, J., & Long, M. (2023). Koopa: Learning non-stationary time series dynamics with Koopman predictors. NeurIPS. link ↗
このページの引用方法
ScholarGate. (2026, June 2). Koopa (Koopman Predictors for Non-stationary Dynamics). ScholarGate. https://scholargate.app/ja/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: 時系列予測のための分解線形モデル深層学習↔ compare
- Non-stationary Transformer深層学習↔ compare
- 状態空間モデル（カルマンフィルタ）計量経済学↔ compare