F³NO：频率分解流映射神经算子论文发布

Fan Wu、Cheng Jing 与 Kookjin Lee 发布论文，提出频率分解的有限时间流映射神经算子 F³NO。据其描述，该方法用更新的低频特征引导高频信息的非线性精修，在每层内通过跨尺度条件化连接全局频谱处理与局部细节精修，并按预测间隔调整两个分支的贡献。 在五个 PDE 基准上，F³NO 的预测精度优于自回归与直接预测基线。消融实验显示，频率分解精修能以更少参数提升精度，而分段带来的收益取决于空间分辨率与动力学特性。

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。