「F.2.2」カテゴリーアーカイブ

Computational Life: How Well-formed, Self-replicating Programs Emerge from Simple Interaction

投稿日: 2024年6月28日 作成者: jarxiv

要約 生命の起源と人工生命の分野は両方とも、生命とは何か、そしてそれが一連​​の … 続きを読む →

カテゴリー: cs.AI, cs.NE, F.2.2 | コメントする

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

Tackling the Curse of Dimensionality with Physics-Informed Neural Networks

投稿日: 2024年5月20日 作成者: jarxiv

要約 次元の呪いにより、次元が増加するにつれて計算コストが指数関数的に増加し、計 … 続きを読む →

カテゴリー: 14J60, cs.AI, cs.LG, cs.NA, F.2.2, math.DS, math.NA, stat.ML | Tackling the Curse of Dimensionality with Physics-Informed Neural Networks はコメントを受け付けていません

Corpus Considerations for Annotator Modeling and Scaling

投稿日: 2024年4月18日 作成者: jarxiv

要約 自然言語処理の研究とアノテーション タスクの最近の傾向は、従来の単一の真実 … 続きを読む →

カテゴリー: cs.CL, F.2.2 | Corpus Considerations for Annotator Modeling and Scaling はコメントを受け付けていません

Intervention-Assisted Policy Gradient Methods for Online Stochastic Queuing Network Optimization: Technical Report

投稿日: 2024年4月8日 作成者: jarxiv

要約 深層強化学習 (DRL) は、確率的キューイング ネットワーク (SQN) … 続きを読む →

カテゴリー: cs.AI, cs.LG, F.2.2 | Intervention-Assisted Policy Gradient Methods for Online Stochastic Queuing Network Optimization: Technical Report はコメントを受け付けていません

The Hidden Attention of Mamba Models

投稿日: 2024年4月2日 作成者: jarxiv

要約 Mamba レイヤーは、NLP、長距離シーケンス処理、コンピューター ビジ … 続きを読む →

カテゴリー: cs.LG, F.2.2, I.2.7 | The Hidden Attention of Mamba Models はコメントを受け付けていません

Enhancing Lithological Mapping with Spatially Constrained Bayesian Network (SCB-Net): An Approach for Field Data-Constrained Predictions with Uncertainty Evaluation

投稿日: 2024年4月1日 作成者: jarxiv

要約 地質図は地球科学にとって非常に貴重な情報源です。 これらは、鉱物探査、自然 … 続きを読む →

カテゴリー: cs.CV, cs.LG, eess.IV, F.2.2, I.2.7 | Enhancing Lithological Mapping with Spatially Constrained Bayesian Network (SCB-Net): An Approach for Field Data-Constrained Predictions with Uncertainty Evaluation はコメントを受け付けていません

Explaining Bayesian Optimization by Shapley Values Facilitates Human-AI Collaboration

投稿日: 2024年3月11日 作成者: jarxiv

要約 ガウスプロセス (GP) を使用したベイジアン最適化 (BO) は、ブラッ … 続きを読む →

カテゴリー: cs.AI, cs.HC, cs.LG, cs.RO, F.2.2, stat.ML | Explaining Bayesian Optimization by Shapley Values Facilitates Human-AI Collaboration はコメントを受け付けていません

Explaining Bayesian Optimization by Shapley Values Facilitates Human-AI Collaboration

投稿日: 2024年3月8日 作成者: jarxiv

要約 ガウスプロセス (GP) を使用したベイジアン最適化 (BO) は、ブラッ … 続きを読む →

カテゴリー: cs.AI, cs.HC, cs.LG, cs.RO, F.2.2, stat.ML | Explaining Bayesian Optimization by Shapley Values Facilitates Human-AI Collaboration はコメントを受け付けていません