「62M45」カテゴリーアーカイブ

Random Vector Functional Link Networks for Function Approximation on Manifolds

投稿日: 2024年3月31日 作成者: jarxiv

要約 フィードフォワード ニューラル ネットワークの学習速度は遅いことで悪名高く … 続きを読む →

カテゴリー: 62M45, cs.IT, cs.LG, math.IT, math.PR, stat.ML | Random Vector Functional Link Networks for Function Approximation on Manifolds はコメントを受け付けていません

Global $\mathcal{L}^2$ minimization at uniform exponential rate via geometrically adapted gradient descent in Deep Learning

投稿日: 2024年3月19日 作成者: jarxiv

要約 深層学習ネットワークで $\mathcal{L}^2$ コスト関数の最小化 … 続きを読む →

カテゴリー: 57R70, 62M45, cs.AI, cs.LG, math-ph, math.MP, math.OC, stat.ML | Global $\mathcal{L}^2$ minimization at uniform exponential rate via geometrically adapted gradient descent in Deep Learning はコメントを受け付けていません

Geometric structure of Deep Learning networks and construction of global ${\mathcal L}^2$ minimizers

投稿日: 2024年3月15日 作成者: jarxiv

要約 この論文では、パラメータ化されていない深層学習 (DL) ネットワークにお … 続きを読む →

カテゴリー: 57R70, 62M45, cs.AI, cs.LG, math-ph, math.MP, math.OC, stat.ML | Geometric structure of Deep Learning networks and construction of global ${\mathcal L}^2$ minimizers はコメントを受け付けていません

Leveraging Non-Decimated Wavelet Packet Features and Transformer Models for Time Series Forecasting

投稿日: 2024年3月14日 作成者: jarxiv

要約 この記事では、ウェーブレット解析手法と機械学習手法を組み合わせて単変量時系 … 続きを読む →

カテゴリー: 62M10, 62M45, cs.LG, stat.ME | Leveraging Non-Decimated Wavelet Packet Features and Transformer Models for Time Series Forecasting はコメントを受け付けていません

The Power of Linear Recurrent Neural Networks

投稿日: 2024年1月25日 作成者: jarxiv

要約 リカレント ニューラル ネットワークは、時系列に対処する強力な手段です。 … 続きを読む →

カテゴリー: 15A06, 62M10, 62M45, 68T05, cs.LG, cs.NE, I.2.6 | The Power of Linear Recurrent Neural Networks はコメントを受け付けていません

Global $\mathcal{L}^2$ minimization at uniform exponential rate via geometrically adapted gradient descent in Deep Learning

投稿日: 2024年1月2日 作成者: jarxiv

要約 深層学習ネットワークで $\mathcal{L}^2$ コスト関数の最小化 … 続きを読む →

カテゴリー: 57R70, 62M45, cs.AI, cs.LG, math-ph, math.MP, math.OC, stat.ML | Global $\mathcal{L}^2$ minimization at uniform exponential rate via geometrically adapted gradient descent in Deep Learning はコメントを受け付けていません

FuNVol: A Multi-Asset Implied Volatility Market Simulator using Functional Principal Components and Neural SDEs

投稿日: 2023年12月27日 作成者: jarxiv

要約 過去の価格に忠実な、複数の資産にわたるインプライド ボラティリティ (IV … 続きを読む →

カテゴリー: 62M45, 68T07, 91G60, 91G80, cs.LG, q-fin.CP, q-fin.ST, stat.ML | FuNVol: A Multi-Asset Implied Volatility Market Simulator using Functional Principal Components and Neural SDEs はコメントを受け付けていません

Modeling Unknown Stochastic Dynamical System via Autoencoder

投稿日: 2023年12月18日 作成者: jarxiv

要約 未知の確率力学システムの正確な予測モデルをその軌跡データから学習する数値的 … 続きを読む →

カテゴリー: 60H10, 60H35, 62M45, 65C30, cs.LG, cs.NA, math.NA, stat.ML | Modeling Unknown Stochastic Dynamical System via Autoencoder はコメントを受け付けていません

Learning Differentiable Particle Filter on the Fly

投稿日: 2023年12月15日 作成者: jarxiv

要約 微分可能粒子フィルターは、ニューラル ネットワークを使用して状態空間モデル … 続きを読む →

カテゴリー: 62M05, 62M20, 62M45, 65C05, cs.LG | Learning Differentiable Particle Filter on the Fly はコメントを受け付けていません

An overview of differentiable particle filters for data-adaptive sequential Bayesian inference

投稿日: 2023年12月15日 作成者: jarxiv

要約 重み付けされたサンプルを使用して事後分布を近似することにより、粒子フィルタ … 続きを読む →

カテゴリー: 62M05, 62M20, 62M45, cs.AI, cs.LG | An overview of differentiable particle filters for data-adaptive sequential Bayesian inference はコメントを受け付けていません