AFD-STA Net은 편미분 방정식으로 지배되는 고차원 카오스 시스템 예측을 위해 적응 필터링과 시공간 역학 학습을 통합한 신경망 프레임워크입니다. 이 아키텍처는 1) 위치 인식 감쇠 계수를 갖는 적응형 지수 평활화 모듈(강력한 attractor 재구성을 위해), 2) 교차 시간 및 공간 의존성을 포착하는 병렬 어텐션 메커니즘, 3) 다중 스케일 특징의 동적 게이트 융합, 그리고 4) 차원 스케일링 기능을 갖춘 심층 투영 네트워크를 결합합니다. 비선형 편미분 방정식 시스템에 대한 수치 실험은 적응형 필터링을 통해 노이즈 허용성을 보이면서 매끄럽고 강하게 카오스적인 영역 모두에서 예측 정확도를 유지하는 모델의 효과를 보여줍니다. 구성 요소 제거 연구는 각 모듈의 중요한 기여를 확인하며, 특히 복잡한 역동적 상호 작용 학습에서 시공간 어텐션의 필수적인 역할을 강조합니다. 이 프레임워크는 측정 불확실성과 고차원 비선형 역학을 동시에 처리해야 하는 실제 응용 분야에 유망한 잠재력을 보여줍니다.
