本記事では、ストリーミングデータからのリアルタイム予測における課題を扱っている。その中でも非定常ダイナミクスの処理、制約された計算環境下での適応性、そして重大な忘却を避ける速やかな適応が重要である。提案されている方法WORK-DMD（ウィンドウありオンラインランダムカーネル動的モード分解）は、ランダムフーリエ特徴とオンラインの動的モード分解を組み合わせ、明示的な特徴マッピングを通じて非線形のダイナミクスを捉えることができる。この手法は、現在のデータのみを用いて進化するダイナミクスに連続的に適応し、長時間のトレーニングや膨大な歴史データの保存を必要としない。実験結果は、WORK-DMDが複数の基準データセットで他の最先端オンライン予測手法と比較して高い精度を達成し、特に短期予測において強いパフォーマンスを示すことを明らかにしている。