「math.NA」カテゴリーアーカイブ

A Structured Matrix Method for Nonequispaced Neural Operators

投稿日: 2023年10月9日 作成者: jarxiv

要約 PDE の解の学習に広く使用されている多くのニューラル演算子の計算効率は、 … 続きを読む →

カテゴリー: cs.LG, cs.NA, math.NA | A Structured Matrix Method for Nonequispaced Neural Operators はコメントを受け付けていません

Sampling via Gradient Flows in the Space of Probability Measures

投稿日: 2023年10月6日 作成者: jarxiv

要約 未知の正規化定数を使用してターゲットの確率分布をサンプリングすることは、計 … 続きを読む →

カテゴリー: cs.LG, cs.NA, math.DS, math.NA, stat.ML | Sampling via Gradient Flows in the Space of Probability Measures はコメントを受け付けていません

Time-Series Forecasting: Unleashing Long-Term Dependencies with Fractionally Differenced Data

投稿日: 2023年10月5日 作成者: jarxiv

要約 この研究では、分数差分 (FD) の力を活用して、時系列データの短期および … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.NA, math.NA, math.ST, stat.TH | Time-Series Forecasting: Unleashing Long-Term Dependencies with Fractionally Differenced Data はコメントを受け付けていません

Condition numbers in multiview geometry, instability in relative pose estimation, and RANSAC

投稿日: 2023年10月5日 作成者: jarxiv

要約 この論文では、計算代数とリーマン幾何学のツールを使用して、多視点幾何学にお … 続きを読む →

カテゴリー: cs.CV, cs.NA, math.NA | Condition numbers in multiview geometry, instability in relative pose estimation, and RANSAC はコメントを受け付けていません

Learning to Relax: Setting Solver Parameters Across a Sequence of Linear System Instances

投稿日: 2023年10月4日 作成者: jarxiv

要約 連立一次方程式$Ax=b$の解法は科学計算の基本であり、数多くのソルバーや … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.NA, math.NA, stat.ML | Learning to Relax: Setting Solver Parameters Across a Sequence of Linear System Instances はコメントを受け付けていません

Goal-oriented Uncertainty Quantification for Inverse Problems via Variational Encoder-Decoder Networks

投稿日: 2023年10月2日 作成者: jarxiv

要約 この研究では、変分エンコーダ デコーダ (VED) ネットワークを使用して … 続きを読む →

カテゴリー: 15A29, 6208, 68U07, cs.LG, cs.NA, math.NA | Goal-oriented Uncertainty Quantification for Inverse Problems via Variational Encoder-Decoder Networks はコメントを受け付けていません

Maximal Volume Matrix Cross Approximation for Image Compression and Least Squares Solution

投稿日: 2023年10月2日 作成者: jarxiv

要約 最大体積部分行列に基づいた行列の古典的な相互近似を研究します。 私たちの主 … 続きを読む →

カテゴリー: cs.LG, cs.NA, math.NA | Maximal Volume Matrix Cross Approximation for Image Compression and Least Squares Solution はコメントを受け付けていません

Group-invariant tensor train networks for supervised learning

投稿日: 2023年9月28日 作成者: jarxiv

要約 不変性は、機械学習モデルにおける強力な帰納的バイアスであることが最近証明さ … 続きを読む →

カテゴリー: cs.LG, cs.NA, math.NA | Group-invariant tensor train networks for supervised learning はコメントを受け付けていません

Tasks Makyth Models: Machine Learning Assisted Surrogates for Tipping Points

投稿日: 2023年9月26日 作成者: jarxiv

要約 我々は、(a) 複雑なシステムの創発的な動作における転換点の検出、および … 続きを読む →

カテゴリー: cs.LG, cs.NA, math.DS, math.NA, q-fin.TR | Tasks Makyth Models: Machine Learning Assisted Surrogates for Tipping Points はコメントを受け付けていません

Deep learning probability flows and entropy production rates in active matter

投稿日: 2023年9月25日 作成者: jarxiv

要約 自走コロイドから運動性細菌に至るまでの活性物質系は、自由エネルギーを顕微鏡 … 続きを読む →

カテゴリー: cond-mat.soft, cond-mat.stat-mech, cs.LG, cs.NA, math.NA | Deep learning probability flows and entropy production rates in active matter はコメントを受け付けていません