「cs.NA」カテゴリーアーカイブ

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

Genetic Column Generation for Computing Lower Bounds for Adversarial Classification

投稿日: 2024年6月13日 作成者: jarxiv

要約 敵対的多クラス分類に関する最近の理論的結果は、最適輸送におけるワッサーシュ … 続きを読む →

カテゴリー: cs.LG, cs.NA, math.NA | Genetic Column Generation for Computing Lower Bounds for Adversarial Classification はコメントを受け付けていません

fKAN: Fractional Kolmogorov-Arnold Networks with trainable Jacobi basis functions

投稿日: 2024年6月12日 作成者: jarxiv

要約 ニューラル ネットワーク設計の最近の進歩により、速度、解釈可能性、精度が向 … 続きを読む →

カテゴリー: cs.LG, cs.NA, math.NA | fKAN: Fractional Kolmogorov-Arnold Networks with trainable Jacobi basis functions はコメントを受け付けていません

Learning from Integral Losses in Physics Informed Neural Networks

投稿日: 2024年6月12日 作成者: jarxiv

要約 この研究は、偏積分微分方程式の下で物理学に基づいたネットワークをトレーニン … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.NA, math.NA | Learning from Integral Losses in Physics Informed Neural Networks はコメントを受け付けていません