Koopa: Koopman-prediktorer for ikke-stasjonære tidsserier

Koopa er en dyp læringsmodell for tidsserieprognoser introdusert av Yong Liu, Chang Li, Jianmin Wang og Mingsheng Long på NeurIPS 2023. Den adresserer utfordringen med ikke-stasjonaritet ved å skille tidsserier i stasjonære og ikke-stasjonære komponenter, og deretter modellere den ikke-stasjonære dynamikken ved hjelp av en lært approksimasjon av Koopman-operatoren — et matematisk rammeverk som løfter ikke-lineære systemer inn i et lineært rom for håndterbar langtidsprognose.