BriefGPT.xyz
Jun, 2023
通过不变分解和(时空)转换器学习潜在动态
Learning Latent Dynamics via Invariant Decomposition and (Spatio-)Temporal Transformers
HTML
PDF
Kai Lagemann, Christian Lagemann, Sach Mukherjee
TL;DR
提出了一种方法,通过在一种框架内结合变分自动编码器和(时空)注意力机制,从高维经验数据中学习动力系统,以实现确定一定科学动力学不变的设计,这种方法允许在任何连续时刻有效推断系统行为,是从异构数据中高效学习动态模型的一种有前途的新框架。
Abstract
We propose a method for learning
dynamical systems
from high-dimensional empirical data that combines
variational autoencoders
and (spatio-)temporal attention within a framework designed to enforce certain scient
→