Machine learningTime-series forecasting
Koopa：用于非平稳时间序列的 Koopman 预测器
Koopa 是 Yong Liu、Chang Li、Jianmin Wang 和 Mingsheng Long 于 2023 年在 NeurIPS 上提出的一种用于时间序列预测的深度学习模型。它通过将时间序列分解为平稳和非平稳分量来应对非平稳性挑战，然后使用 Koopman 算子的学习近似来模拟非平稳动力学——Koopman 算子是一个将非线性系统提升到线性空间以进行可处理的长期预测的数学框架。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
来源
- Liu, Y., Li, C., Wang, J., & Long, M. (2023). Koopa: Learning non-stationary time series dynamics with Koopman predictors. NeurIPS. link ↗
如何引用本页
ScholarGate. (2026, June 2). Koopa (Koopman Predictors for Non-stationary Dynamics). ScholarGate. https://scholargate.app/zh/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.
Compare side by side →