算子代理

基于摘要分析。本章节介绍算子代理（Operator Surrogates）：以有限参数映射近似无限维函数空间之间通常为非线性的复杂算子，系统梳理其表示方法、模型架构以及逼近误差和泛化误差理论，主要贡献是数学导论与综述，而非提出经 EEG/BCI 实验验证的新算法。 核心组织框架是 encoder-approximator-decoder：先将无限维输入编码到有限维潜在空间，在该空间内处理，再解码为无限维输出。章节讨论 Banach frames 等稳定线性表示，以及 PCA、Active Subspaces 和非线性自编码器等数据驱动表示；随后对比基于 polynomial chaos expansions 等技术的谱方法与神经网络方法，并讨论不依赖上述表示系统的 Fourier Neural Operators、transformers，以及它们与 algorithm-unrolling 所构造算子代理的关系。 理论部分关注何种结构能够缓解维度灾难。作者介绍由全纯性等性质提供的低维结构，并给出全纯算子的收敛率界，其依赖因素包括可训练参数数量及输入、输出数据的正则性。摘要未提供具体界的形式、适用假设或实验结果；正文证明、实验协议、消融及统计信息尚未验证，不能据此判断某类架构在具体任务上更优。 平台推测（待验证）：假设 EEG 任务可表述为跨时间或空间采样的函数到函数映射，则编码—逼近—解码框架可作为建模参考，但需要明确输入输出函数空间、采样方式与监督配对关系。通道布局变化、低信噪比及小样本可能破坏稳定表示或正则性假设；摘要不足以支持具体架构选择与复现实验方案。已有 EEG 相关工作尚未检索确认。