Koopa: Preditores de Koopman para Séries Temporais Não Estacionárias

Koopa é um modelo de aprendizado profundo para previsão de séries temporais introduzido por Yong Liu, Chang Li, Jianmin Wang e Mingsheng Long no NeurIPS 2023. Ele aborda o desafio da não estacionariedade desvinculando as séries temporais em componentes estacionários e não estacionários, e então modelando a dinâmica não estacionária usando uma aproximação aprendida do operador de Koopman — uma estrutura matemática que eleva sistemas não lineares a um espaço linear para uma previsão tratável de longo horizonte.