「math.NA」カテゴリーアーカイブ

Rapid Grassmannian Averaging with Chebyshev Polynomials

投稿日: 2024年10月14日 作成者: jarxiv

要約 我々は、集中設定と分散設定の両方でグラスマン多様体上の点の集合を効率的に平 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.NA, G.1.6, math.NA, math.OC | Rapid Grassmannian Averaging with Chebyshev Polynomials はコメントを受け付けていません

Semi-Supervised Manifold Learning with Complexity Decoupled Chart Autoencoders

投稿日: 2024年10月7日 作成者: jarxiv

要約 オートエンコーディングは表現学習においてよく使われる手法である。従来のオー … 続きを読む →

カテゴリー: cs.LG, cs.NA, math.NA | Semi-Supervised Manifold Learning with Complexity Decoupled Chart Autoencoders はコメントを受け付けていません

How Discrete and Continuous Diffusion Meet: Comprehensive Analysis of Discrete Diffusion Models via a Stochastic Integral Framework

投稿日: 2024年10月7日 作成者: jarxiv

要約 離散拡散モデルは、複雑な分布を扱いやすいサンプリングと推論でモデル化できる … 続きを読む →

カテゴリー: cs.LG, cs.NA, math.NA, stat.ML | How Discrete and Continuous Diffusion Meet: Comprehensive Analysis of Discrete Diffusion Models via a Stochastic Integral Framework はコメントを受け付けていません

An Improved Variational Method for Image Denoising

投稿日: 2024年10月4日 作成者: jarxiv

要約 全変動(TV)法は、画像の全変動を最小化することによってノイズを低減するこ … 続きを読む →

カテゴリー: cs.CV, cs.NA, math.NA | An Improved Variational Method for Image Denoising はコメントを受け付けていません

Lie Algebra Canonicalization: Equivariant Neural Operators under arbitrary Lie Groups

投稿日: 2024年10月4日 作成者: jarxiv

要約 ロバストで汎化可能な機械学習モデルの探求は、等変量ニューラルネットワークを … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.NA, math.NA | Lie Algebra Canonicalization: Equivariant Neural Operators under arbitrary Lie Groups はコメントを受け付けていません

Leray-Schauder Mappings for Operator Learning

投稿日: 2024年10月3日 作成者: jarxiv

要約 コンパクトな部分空間の有限次元近似を学習するための Leray-Schau … 続きを読む →

カテゴリー: cs.LG, cs.NA, math.NA | Leray-Schauder Mappings for Operator Learning はコメントを受け付けていません

Efficient $1$-bit tensor approximations

投稿日: 2024年10月3日 作成者: jarxiv

要約 $\{-1, 1\}$ 値のベクトルのテンソル積の線形結合として、行列と任 … 続きを読む →

カテゴリー: cs.LG, cs.MS, cs.NA, math.CO, math.NA | Efficient $1$-bit tensor approximations はコメントを受け付けていません

Beyond Derivative Pathology of PINNs: Variable Splitting Strategy with Convergence Analysis

投稿日: 2024年10月1日 作成者: jarxiv

要約 物理情報に基づくニューラル ネットワーク (PINN) は、さまざまな問題 … 続きを読む →

カテゴリー: cs.LG, cs.NA, math.NA | Beyond Derivative Pathology of PINNs: Variable Splitting Strategy with Convergence Analysis はコメントを受け付けていません

Multilevel Picard approximations and deep neural networks with ReLU, leaky ReLU, and softplus activation overcome the curse of dimensionality when approximating semilinear parabolic partial differential equations in $L^p$-sense

投稿日: 2024年10月1日 作成者: jarxiv

要約 我々は、マルチレベルピカード近似と、ReLU、リーキーReLU、ソフトプラ … 続きを読む →

カテゴリー: cs.LG, cs.NA, math.NA, math.PR | Multilevel Picard approximations and deep neural networks with ReLU, leaky ReLU, and softplus activation overcome the curse of dimensionality when approximating semilinear parabolic partial differential equations in $L^p$-sense はコメントを受け付けていません

Ensemble WSINDy for Data Driven Discovery of Governing Equations from Laser-based Full-field Measurements

投稿日: 2024年10月1日 作成者: jarxiv

要約 この研究では、レーザー振動測定と偏微分方程式の非線形動力学のスパース同定 … 続きを読む →

カテゴリー: cs.LG, cs.NA, math.NA, stat.AP | Ensemble WSINDy for Data Driven Discovery of Governing Equations from Laser-based Full-field Measurements はコメントを受け付けていません