cs.NA」カテゴリーアーカイブ

Beyond expectations: Residual Dynamic Mode Decomposition and Variance for Stochastic Dynamical Systems

要約 コープマン演算子は非線形力学システムを線形化し、そのスペクトル情報を非常に … 続きを読む

カテゴリー: 37H99, 37M10, 37N25, 47A10, 47B33, 65P99, cs.LG, cs.NA, math.DS, math.NA, math.SP, nlin.CD | Beyond expectations: Residual Dynamic Mode Decomposition and Variance for Stochastic Dynamical Systems はコメントを受け付けていません

On the accuracy of interpolation based on single-layer artificial neural networks

要約 本論文では、構造がニューロンの数と種類によって決定されるように、フィードフ … 続きを読む

カテゴリー: 65D05, cs.AI, cs.NA, math.NA | On the accuracy of interpolation based on single-layer artificial neural networks はコメントを受け付けていません

Local Function Complexity for Active Learning via Mixture of Gaussian Processes

要約 実世界のデータの不均一性(観測ノイズ レベルの変化やソース関数の構造の複雑 … 続きを読む

カテゴリー: cs.LG, cs.NA, math.NA, stat.ML | Local Function Complexity for Active Learning via Mixture of Gaussian Processes はコメントを受け付けていません

Physics-Informed Boundary Integral Networks (PIBI-Nets): A Data-Driven Approach for Solving Partial Differential Equations

要約 偏微分方程式 (PDE) は、力学システムにおける多くの関連現象を記述する … 続きを読む

カテゴリー: cs.LG, cs.NA, math.DS, math.NA, physics.comp-ph | Physics-Informed Boundary Integral Networks (PIBI-Nets): A Data-Driven Approach for Solving Partial Differential Equations はコメントを受け付けていません

Solving PDEs on Spheres with Physics-Informed Convolutional Neural Networks

要約 物理情報に基づいたニューラル ネットワーク (PINN) は、さまざまな実 … 続きを読む

カテゴリー: cs.LG, cs.NA, math.NA, math.ST, stat.ML, stat.TH | Solving PDEs on Spheres with Physics-Informed Convolutional Neural Networks はコメントを受け付けていません

An Expert’s Guide to Training Physics-informed Neural Networks

要約 物理情報に基づいたニューラル ネットワーク (PINN) は、観測データと … 続きを読む

カテゴリー: cs.LG, cs.NA, math.NA, physics.comp-ph | An Expert’s Guide to Training Physics-informed Neural Networks はコメントを受け付けていません

Achieving High Accuracy with PINNs via Energy Natural Gradients

要約 我々は、物理情報に基づくニューラルネットワーク(PINN)およびディープリ … 続きを読む

カテゴリー: cs.LG, cs.NA, math.NA | Achieving High Accuracy with PINNs via Energy Natural Gradients はコメントを受け付けていません

On regularized Radon-Nikodym differentiation

要約 ラドン-ニコジム導関数の推定の問題について説明します。 この問題は、共変量 … 続きを読む

カテゴリー: 68Q32, 68T05, cs.LG, cs.NA, math.NA, math.ST, stat.ML, stat.TH | On regularized Radon-Nikodym differentiation はコメントを受け付けていません

RANS-PINN based Simulation Surrogates for Predicting Turbulent Flows

要約 物理情報に基づいたニューラル ネットワーク (PINN) は、微分方程式に … 続きを読む

カテゴリー: cs.LG, cs.NA, math.NA, physics.flu-dyn | RANS-PINN based Simulation Surrogates for Predicting Turbulent Flows はコメントを受け付けていません

On the Optimal Expressive Power of ReLU DNNs and Its Application in Approximation with Kolmogorov Superposition Theorem

要約 この論文は、ReLU ディープ ニューラル ネットワーク (DNN) の最 … 続きを読む

カテゴリー: 41A30, 65D40, 68T07, cs.LG, cs.NA, G.1.1; G.1.2, math.NA | On the Optimal Expressive Power of ReLU DNNs and Its Application in Approximation with Kolmogorov Superposition Theorem はコメントを受け付けていません