arXiv · ML· Ali SaraerToosi, Renbo Tu, Esther Y. H. Lin, Kamyar Azizzadenesheli, Aviad Levis·· 16 小时前AI 评分25
NeuralDMD：从稀疏噪声测量中重建可解释时空动力学
NeuralDMD: Interpretable Neural Representation of Dynamics from Sparse and Noisy Measurements
AI 导读
NeuralDMD 提出了一种结合神经隐式表示与动态模态分解（DMD）的可解释重建框架，无需训练即可直接从稀疏且含噪的测量数据中恢复连续时空动力学。 该框架将 DMD 模态参数化为连续神经场，并通过低秩线性动力学先验与频谱时间演化强制时序连续性，在稀疏观测天气数据同化及人马座A（Sagittarius A）干涉观测任务中优于基线模型。
来源：arXiv · ML · arxiv.org