未知动力系统的鲁棒进化算子学习的关键抽样（英文版）

英文标题：Critical Sampling for Robust Evolution Operator Learning of Unknown Dynamical Systems中文摘要：本文提出了一种基于设计方法探索未知动力学系统学习其控制规律和准确预测未来发展行为的最小样本量及关键样本选择的问题。通过引入多步互惠预测网络，可以直接从当前系统状态计算出所需的网络建模误差，从而进行动态选择。此外，还引入了一个联合时空演化网络，将空间动态建模结合到时间演化预测中，能够用少量样本实现对系统演化所需操作的稳健学习。实验结果表明，该方法能够将有效学习和准确预测未知动力学系统演化行为所需的样本数量显著降低数百倍。英文摘要：Given an unknown dynamical system, what is the minimum number of samplesneeded for effective learning of its governing laws and accurate prediction ofits future evolution behavior, and how