SPS-GAN从轨迹与视频学习哈密顿系统结构

1. 13:00
   arXiv · cs.AI

   SPS-GAN：从笛卡尔轨迹与视频中发现哈密顿系统的相空间结构

   研究者提出 Structured Phase Space GAN（SPS-GAN），一种条件生成框架，可从笛卡尔轨迹或视频观测中学习机械动力学并发现潜在相空间结构。该方法将对抗生成与 port-Hamiltonian 潜在动力学结合，并把循环坐标正则化扩展到耗散与受迫系统。在仿真与真实系统实验中，其轨迹精度和视频生成质量优于对比基线，并能识别与有效自由度一致的活跃潜在维度。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。