系统对比柯普曼自编码器的损失函数与算子形式，提出新损失项。

Loss Terms and Operator Forms of Koopman Autoencoders

• 系统分析不同损失函数与算子形式对性能的影响
• 提出新型损失项，提升模型学习效率
• 适合从事算子学习与动态系统建模的研究者

柯普曼自编码器是算子学习中的主流架构，但其损失函数和算子形式在文献中存在显著差异。本文对这些选项进行了公平且系统的比较研究，并引入了新的损失项，旨在统一和优化该类模型的设计范式。

原文摘要 · Abstract (English)

Koopman autoencoders are a prevalent architecture in operator learning. But, the loss functions and the form of the operator vary significantly in the literature. This paper presents a fair and systemic study of these options. Furthermore, it introduces novel loss terms.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。