软状态表示预测下界与Koopman闭包分析

2026年10月15日，arXiv Artificial Intelligence 刊出 Mohit Kumar 与 Somayeh Kargaran 的论文，研究软状态表示的预测极限与 Koopman 闭包。论文为软状态表示导出线性预测器最小总体均方根预测误差的置信下界，该下界比较类内后继变化与保留的类内输入变化，可由独立转移对估计而无需拟合预测矩阵。基于 117,000 个固定四状态设计数据集，在评估前选定的一个 Van der Pol 表示上，基于标签的下界在全部 64 个独立评估数据集中均为正。确定性动力学下的精确矩阵传播给出坐标函数张成的 Koopman 解释。目前为论文发布，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。