将对抗机制引入深度算子网络与库普曼自编码器，提升性能。

Adversarial Autoencoders in Operator Learning

• 在 DeepONet 与 Koopman 自编码器中加入对抗训练
• 提升神经算子在函数映射任务中的泛化能力
• 适合研究算子学习与生成模型融合的学者

DeepONets 和 Koopman 自编码器是两种主流的神经算子架构，均属于自编码器。在机器学习多个领域中，为自编码器引入对抗机制已显著提升其性能。本文研究了将对抗机制应用于这两种神经算子架构的效果，探索其在函数空间映射中的表现与潜力。

原文摘要 · Abstract (English)

DeepONets and Koopman autoencoders are two prevalent neural operator architectures. These architectures are autoencoders. An adversarial addition to an autoencoder have improved performance of autoencoders in various areas of machine learning. In this paper, the use an adversarial addition for these two neural operator architectures is studied.

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。