「cs.NA」カテゴリーアーカイブ

A practical existence theorem for reduced order models based on convolutional autoencoders

投稿日: 2024年6月25日 作成者: jarxiv

要約 近年、偏微分方程式 (PDE) や縮小次数モデリング (ROM) の分野で … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.NA, math.NA | A practical existence theorem for reduced order models based on convolutional autoencoders はコメントを受け付けていません

Stochastic Optimisation Framework using the Core Imaging Library and Synergistic Image Reconstruction Framework for PET Reconstruction

投稿日: 2024年6月24日 作成者: jarxiv

要約 確率的フレームワークをオープンソースの Core Imaging Libr … 続きを読む →

カテゴリー: cs.CV, cs.NA, eess.IV, math.NA, math.OC | Stochastic Optimisation Framework using the Core Imaging Library and Synergistic Image Reconstruction Framework for PET Reconstruction はコメントを受け付けていません

rKAN: Rational Kolmogorov-Arnold Networks

投稿日: 2024年6月21日 作成者: jarxiv

要約 コルモゴロフ-アーノルド ネットワーク (KAN) の開発は、深層学習にお … 続きを読む →

カテゴリー: cs.LG, cs.NA, cs.NE, math.NA | rKAN: Rational Kolmogorov-Arnold Networks はコメントを受け付けていません

The significance of the configuration space Lie group for the constraint satisfaction in numerical time integration of multibody systems

投稿日: 2024年6月19日 作成者: jarxiv

要約 空間速度 (非ホロノミック速度) を使用した多体システム (MBS) のダ … 続きを読む →

カテゴリー: cs.NA, cs.RO, math.NA | The significance of the configuration space Lie group for the constraint satisfaction in numerical time integration of multibody systems はコメントを受け付けていません

Sparsifying dimensionality reduction of PDE solution data with Bregman learning

投稿日: 2024年6月19日 作成者: jarxiv

要約 古典的なモデル削減手法では、支配方程式を元の状態空間の線形部分空間に投影し … 続きを読む →

カテゴリー: (Primary), 41A63, 65D99, cs.AI, cs.NA, G.1.6, math.NA, stat.ML | Sparsifying dimensionality reduction of PDE solution data with Bregman learning はコメントを受け付けていません

A generalizable framework for low-rank tensor completion with numerical priors

投稿日: 2024年6月19日 作成者: jarxiv

要約 低ランク テンソル補完は、テンソルの固有の構造を利用する方法であり、テンソ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.NA, math.NA, stat.ML | A generalizable framework for low-rank tensor completion with numerical priors はコメントを受け付けていません

Score-fPINN: Fractional Score-Based Physics-Informed Neural Networks for High-Dimensional Fokker-Planck-Levy Equations

投稿日: 2024年6月18日 作成者: jarxiv

要約 物理学、金融、生態学などの分野にわたる非ブラウン過程をモデル化する際に、高 … 続きを読む →

カテゴリー: cs.LG, cs.NA, F.2.2, math.DS, math.NA, stat.ML | Score-fPINN: Fractional Score-Based Physics-Informed Neural Networks for High-Dimensional Fokker-Planck-Levy Equations はコメントを受け付けていません

Tackling the Curse of Dimensionality in Fractional and Tempered Fractional PDEs with Physics-Informed Neural Networks

投稿日: 2024年6月18日 作成者: jarxiv

要約 分数および調整された分数偏微分方程式 (PDE) は、長距離相互作用、異常 … 続きを読む →

カテゴリー: cs.LG, cs.NA, F.2.2, math.DS, math.NA | Tackling the Curse of Dimensionality in Fractional and Tempered Fractional PDEs with Physics-Informed Neural Networks はコメントを受け付けていません

Rethink Tree Traversal

投稿日: 2024年6月18日 作成者: jarxiv

要約 行列計算の言語でバイナリ決定木のトラバーサルを実装する方法を示します。 私 … 続きを読む →

カテゴリー: cs.DS, cs.LG, cs.NA, math.NA | Rethink Tree Traversal はコメントを受け付けていません

Group and Shuffle: Efficient Structured Orthogonal Parametrization

投稿日: 2024年6月17日 作成者: jarxiv

要約 ニューラル ネットワークのサイズが増大するにつれて、効率的な微調整方法に対 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, cs.NA, math.NA | Group and Shuffle: Efficient Structured Orthogonal Parametrization はコメントを受け付けていません