from_fourier_to_koopman:线性和非线性频谱预测算法

从傅里叶到库普曼：长期预测的光谱方法 Fourier和Koopman构成了分别从数据中学习线性和非线性振荡器的频谱算法。 两种算法都解决了频域中的全局优化问题，并允许对任何维数的系统进行建模。 算法用numpy和pytorch编写。 算法的目标分别是： 此代码与以下。 可以在找到该论文的视频摘要。 可以在找到许多流体流动模型化的。 如何使用傅立叶 傅里叶使线性振荡器适合数据。 假定信号表现出的频率数k和学习率需要指定。 建议白化信号（零均值和单位方差）。 要从数据中学习振荡器，请执行以下操作： from fourier_koopman import fourier import numpy as np x = ( np . sin ([ 2 * np . pi / 24 * np . arange ( 5000 )]) + np . sin ([ 2 * np . pi / 33