Nicola Farenga

学习非线性动力系统的连续时间演化通常要展开轨迹目标，训练时反复数值积分并反传，代价随展开长度增长。速度匹配改用观测轨迹的分段线性插值与区间内随机取点，直接回归速度场，无需模拟学习到的动力学。在非线性常微分方程和半离散时变偏微分方程上，相同迭代预算下其误差比轨迹类目标低一个数量级以上，并能在训练未用的格式与步长下保持精度。

学习非线性动力系统的连续时间演化通常要展开轨迹目标，训练时反复数值积分并反传，代价随展开长度增长。速度匹配改用观测轨迹的分段线性插值与区间内随机取点，直接回归速度场，无需模拟学习到的动力学。在非线性常微分方程和半离散时变偏微分方程上，相同迭代预算下其误差比轨迹类目标低一个数量级以上，并能在训练未用的格式与步长下保持精度。