状态空间自编码器的迁移元学习

研究提出状态空间自编码器的迁移元学习扩展，复用权重固定的预训练编码器从目标系统上下文提取紧凑表示，再经仿射参数化直接映射为紧凑神经状态空间模型参数，无需目标特定适配。所得模型参数量比文献中的上下文预测器少数个数量级。在 Buck-Boost 变换器与 Bouc-Wen 振子系统族的留出实例上评估了零样本预测与仿真性能，并与单独拟合的基线模型对比。