待验证50% 置信事实精确时间
在EDMD-kDL中，外层优化学习核字典的参数，内层优化在该字典下求解Koopman算子的有限维近似，两者交替迭代。
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证EDMD-kDL（Extended Dynamic Mode Decomposition with Kernel-based Dictionary Learning）是一篇新论文提出的方法，首次系统性地将核方法与双层优化结合，直接从数据中学习有限维Koopman嵌入。76% 相似待验证LISCO（学习型约束优化迭代求解器）学习预测原始-对偶步长，逐步逼近满足KKT最优性条件的解，而非直接预测最终控制量73% 相似待验证近年来通过机器学习从数据中学习字典的Koopman方法，主流方案几乎都依赖人工神经网络自编码器架构。65% 相似待验证LLM 推理的底层优化正从人工精雕每个 kernel 向用高层语言描述加自动化调优转变65% 相似待验证推理时计算扩展的具体路径包括蒙特卡洛树搜索（MCTS）、最佳N采样（Best-of-N Sampling）和过程奖励模型（PRM）63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1012949API
curl https://kongchang.com/api/v1/knowledge/claims/1012949MCP
get_claim(id=1012949)