Machine learningTime-series forecasting
Koopa: 비정상 시계열을 위한 Koopman 예측기
Koopa는 Yong Liu, Chang Li, Jianmin Wang, Mingsheng Long이 NeurIPS 2023에서 소개한 시계열 예측을 위한 딥러닝 모델입니다. 이 모델은 시계열을 정상(stationary) 및 비정상(non-stationary) 구성 요소로 분해하고, 비정상 동역학을 Koopman 연산자의 학습된 근사치를 사용하여 모델링함으로써 비정상성의 문제를 해결합니다. Koopman 연산자는 비선형 시스템을 선형 공간으로 끌어올려 장기 예측을 다루기 쉽게 만드는 수학적 프레임워크입니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Liu, Y., Li, C., Wang, J., & Long, M. (2023). Koopa: Learning non-stationary time series dynamics with Koopman predictors. NeurIPS. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). Koopa (Koopman Predictors for Non-stationary Dynamics). ScholarGate. https://scholargate.app/ko/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: 시계열 예측을 위한 분해 선형 모델딥러닝↔ compare
- Non-stationary Transformer딥러닝↔ compare
- 상태 공간 모형 (칼만 필터)계량경제학↔ compare