cs.NA」カテゴリーアーカイブ

Defining Foundation Models for Computational Science: A Call for Clarity and Rigor

要約 自然言語処理とコンピュータービジョンにおける基礎モデルの広範な成功により、 … 続きを読む

カテゴリー: cs.AI, cs.LG, cs.NA, math.NA | コメントする

Optimization-Free Diffusion Model — A Perturbation Theory Approach

要約 拡散モデルは、生成モデリングの強力なフレームワークとして浮上しており、通常 … 続きを読む

カテゴリー: cs.LG, cs.NA, math.NA | コメントする

(U)NFV: Supervised and Unsupervised Neural Finite Volume Methods for Solving Hyperbolic PDEs

要約 (U)NFVを紹介します。NFVは、双曲線保存法則を解くための古典的な有限 … 続きを読む

カテゴリー: cs.LG, cs.NA, G.1.8, math.NA | コメントする

The Polar Express: Optimal Matrix Sign Methods and Their Application to the Muon Algorithm

要約 極性分解と関連するマトリックス記号関数を計算することは、数十年にわたって数 … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.LG, cs.NA, math.NA, math.OC | コメントする

Guided Diffusion Sampling on Function Spaces with Applications to PDEs

要約 PDEベースの逆問題における条件付きサンプリングのための一般的なフレームワ … 続きを読む

カテゴリー: cs.AI, cs.LG, cs.NA, math.NA, stat.ML | コメントする

Learning by solving differential equations

要約 現代の深い学習アルゴリズムは、主な学習方法として勾配降下のバリエーションを … 続きを読む

カテゴリー: cs.LG, cs.NA, math.NA, stat.ML | Learning by solving differential equations はコメントを受け付けていません

Pushing the Limits of the Reactive Affine Shaker Algorithm to Higher Dimensions

要約 連続変数の高価な関数の最小化のためのベイジアン最適化(BO)は、以前のサン … 続きを読む

カテゴリー: cs.LG, cs.NA, G.1.6, math.NA | Pushing the Limits of the Reactive Affine Shaker Algorithm to Higher Dimensions はコメントを受け付けていません

CodePDE: An Inference Framework for LLM-driven PDE Solver Generation

要約 部分微分方程式(PDE)は、物理システムのモデリングの基本ですが、それらを … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.LG, cs.NA, math.NA | CodePDE: An Inference Framework for LLM-driven PDE Solver Generation はコメントを受け付けていません

Solving Nonlinear PDEs with Sparse Radial Basis Function Networks

要約 スパースラジアル基底関数(RBF)ネットワークを使用して、非線形PDEを解 … 続きを読む

カテゴリー: cs.LG, cs.NA, math.NA | Solving Nonlinear PDEs with Sparse Radial Basis Function Networks はコメントを受け付けていません

Automatically Differentiable Model Updating (ADiMU): conventional, hybrid, and neural network material model discovery including history-dependency

要約 フルフィールドの変位とグローバルな力データ(グローバル、間接発見)またはひ … 続きを読む

カテゴリー: cs.LG, cs.NA, math.NA, physics.comp-ph | Automatically Differentiable Model Updating (ADiMU): conventional, hybrid, and neural network material model discovery including history-dependency はコメントを受け付けていません