Краткое содержание

arXiv:2511.12760v1 Тип: новая работа Аннотация: Мы представляем Conformal Online Learning of Koopman embeddings (COLoKe) — новый фреймворк для адаптивного обновления инвариантных представлений Купмана нелинейных динамических систем из потоковых данных. Наш подход к моделированию сочетает глубокое обучение признакам с согласованностью многошагового прогнозирования в поднятом пространстве, где динамика развивается линейно. Чтобы предотвратить переобучение, COLoKe использует механизм в стиле конформного предсказания, который смещает фокус с оценки соответствия новых состояний на оценку согласованности текущей модели Купмана. Обновления запускаются только тогда, когда ошибка прогнозирования текущей модели превышает динамически калибруемый порог, что позволяет выборочно уточнять оператор и вложение Купмана. Экспериментальные результаты на эталонных динамических системах демонстрируют эффективность COLoKe в поддержании долгосрочной прогнозной точности при значительном сокращении ненужных обновлений и предотвращении переобучения.