系统辨识上下文学习框架论文发布

Matteo Rufolo 等人在 arXiv 发布论文，提出并验证了系统辨识的上下文学习元学习框架，作者称其在标准非线性系统辨识基准和分布外场景测试中达到与最先进方法相当的精度和较强泛化能力。 该框架包含三部分：结合 Transformer 编码器-解码器与长训练序列处理机制的统一概率化元辨识架构，用于长时域校准预测；预训练元模型作为带不确定性的合成数据生成器，在真实数据稀缺时为参数化模型提供任务相关数据以正则化；以及在基准与分布外场景上的系统评估，作者称其中部分情形仅靠输入端适配即可应对显著的分布偏移。

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。