神经代理模型窗口与历史输入权衡研究

研究神经代理模型在部分观测场预测中，空间窗口与历史快照的输入预算应如何分配，作者为 Ruige Kong。研究以同一读数的贝叶斯最优误差为基准，测量两者的权衡：在除 KS 外的场中，八个快照随预测提前期增大而消除更小比例的单快照误差，KS 中则相反，这一提前期反转在多种传感器密度、三种架构和二维域中持续存在。 研究提出的设计规则是：窗口按关联长度确定，再按模型服务的提前期分配窗口与历史预算。以 Burgers 流为例，提前期 1 下选定的分割在提前期 8 时误差达到最佳值的 13.5 倍。

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。