跳到正文
arXiv · ML· Andre Herz, Matthijs Pals, Daniel Durstewitz, Georgia Koppe·· 7 天前AI 评分26

KAFFEE:弥合混沌替代建模中动态-概率一致性差距的可微分扩展卡尔曼滤波框架

The Dynamic-Probabilistic Consistency Gap in Chaotic Surrogate Modeling

AI 导读

研究揭示动态系统重建中存在动态-概率一致性差距,优化有限时程概率目标可能削弱动力学学习或使预测不确定性与局部切动力学解耦。 提出可微分扩展卡尔曼滤波训练框架 KAFFEE,联合学习动力学与噪声协方差;在随机超混沌Lorenz-96上,KAFFEE改善了不变量重建与预测得分,并在13个混沌系统上提升了预测似然。 该文已被NeurIPS 2026主会接收。

来源:arXiv · ML · arxiv.org