arXiv 机器学习· Qi Wang, Rylie Foster·· 1 天前AI 评分34
SALTO：用于非线性事件推断的求解器锚定提升转移算子
SALTO: Solver-Anchored Lifted Transfer Operators for Nonlinear Event Inference
AI 导读
研究团队提出基于 Koopman 的推断框架 SALTO，利用提升算子与求解器锚定构建可复用的提升伴随模型。在 3 个非线性 PDE 系统上，SALTO 对有限幅度源的测量预测误差为 2-8%，远优于经典伴随方法的 41-165% 误差。该模型在反应扩散系统上仅需求解器二十分之一的成本即可匹配其后验分布，并支持新传感器布局的快速适配。
来源：arXiv 机器学习 · arxiv.org