arXiv 物理· Ali SaraerToosi, Renbo Tu, Esther Y. H. Lin, Kamyar Azizzadenesheli, Aviad Levis·· 3 天前AI 评分42
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 将神经隐式表示与动态模式分解（DMD）结合，无需训练数据或数值模拟器，即可从稀疏、间接、含噪测量中重建连续时空动力学。该方法把 DMD 模式参数化为连续神经场，并施加低秩线性动力学先验与谱时间演化约束，在稀疏观测天气预报数据同化和银河系中心黑洞 Sagittarius A 的干涉（傅里叶域）观测等任务上优于基线，且外推至未来时保持稳定。
来源：arXiv 物理 · arxiv.org