状态空间自编码器迁移元学习扩展研究

2026年10月23日，arXiv Systems and Control 刊出 Stefano De Carli 等作者的工程能源研究，提出状态空间自编码器的迁移元学习扩展。方法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。研究在 Buck-Boost 变换器与 Bouc-Wen 振子系统族的留出实例上评估零样本预测与仿真性能，并与单独拟合的基线模型对比。目前报道仅涉及方法提出与上述评估设置，未给出具体性能数值或对比结论。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。