「math-ph」カテゴリーアーカイブ

Identifying the Group-Theoretic Structure of Machine-Learned Symmetries

投稿日: 2023年9月15日 作成者: jarxiv

要約 最近、ディープラーニングは、重要な物理量を維持する対称変換を導出するために … 続きを読む →

カテゴリー: cs.LG, hep-ph, hep-th, math-ph, math.GR, math.MP | Identifying the Group-Theoretic Structure of Machine-Learned Symmetries はコメントを受け付けていません

Review of the Exponential and Cayley Map on SE(3) as relevant for Lie Group Integration of the Generalized Poisson Equation and Flexible Multibody Systems

投稿日: 2023年9月12日 作成者: jarxiv

要約 SE(3) の指数関数マップとケイリー マップは、剛体システムと柔軟体シス … 続きを読む →

カテゴリー: cs.RO, math-ph, math.DG, math.MP, physics.comp-ph | Review of the Exponential and Cayley Map on SE(3) as relevant for Lie Group Integration of the Generalized Poisson Equation and Flexible Multibody Systems はコメントを受け付けていません

Lie-Poisson Neural Networks (LPNets): Data-Based Computing of Hamiltonian Systems with Symmetries

投稿日: 2023年8月30日 作成者: jarxiv

要約 ハミルトン系の長期進化をデータに基づいて正確に予測するには、各時間ステップ … 続きを読む →

カテゴリー: 65L05, 70H15, cs.LG, I.2.6, math-ph, math.MP | Lie-Poisson Neural Networks (LPNets): Data-Based Computing of Hamiltonian Systems with Symmetries はコメントを受け付けていません

Symplectic model reduction of Hamiltonian systems using data-driven quadratic manifolds

投稿日: 2023年8月25日 作成者: jarxiv

要約 この研究では、データ駆動型 2 次多様体を使用した高次元ハミルトニアン シ … 続きを読む →

カテゴリー: cs.LG, cs.NA, math-ph, math.MP, math.NA, physics.comp-ph | Symplectic model reduction of Hamiltonian systems using data-driven quadratic manifolds はコメントを受け付けていません

Review of the Exponential and Cayley Map on SE(3) as relevant for Lie Group Integration of the Generalized Poisson Equation and Flexible Multibody Systems

投稿日: 2023年8月17日 作成者: jarxiv

要約 SE(3) の指数関数マップとケイリー マップは、剛体システムと柔軟体シス … 続きを読む →

カテゴリー: cs.RO, math-ph, math.DG, math.MP, physics.comp-ph | Review of the Exponential and Cayley Map on SE(3) as relevant for Lie Group Integration of the Generalized Poisson Equation and Flexible Multibody Systems はコメントを受け付けていません

Rigorous dynamical mean field theory for stochastic gradient descent methods

投稿日: 2023年8月16日 作成者: jarxiv

要約 経験的なリスク最小化を使用してガウス データの観察から推定器 (M 推定器 … 続きを読む →

カテゴリー: cs.IT, cs.LG, math-ph, math.IT, math.MP, stat.ML | Rigorous dynamical mean field theory for stochastic gradient descent methods はコメントを受け付けていません

Gaussian Process Regression for Maximum Entropy Distribution

投稿日: 2023年8月14日 作成者: jarxiv

要約 最大エントロピー分布は、モーメント クロージャ問題に適した魅力的な確率密度 … 続きを読む →

カテゴリー: cs.LG, math-ph, math.MP, physics.data-an, stat.ML | Gaussian Process Regression for Maximum Entropy Distribution はコメントを受け付けていません

Frugal random exploration strategy for shape recognition using statistical geometry

投稿日: 2023年8月10日 作成者: jarxiv

要約 非常に独特な戦略を展開して、未知の環境や形状を認識し、特徴付けることができ … 続きを読む →

カテゴリー: cs.RO, math-ph, math.MP | Frugal random exploration strategy for shape recognition using statistical geometry はコメントを受け付けていません

Geometry in global coordinates in mechanics and optimal transport

投稿日: 2023年7月20日 作成者: jarxiv

要約 内積空間に埋め込まれた多様体の場合、{\it ハミルトン ベクトル場、アフ … 続きを読む →

カテゴリー: 53C05, 53C42, 53D05, 53Z30, 53Z50, 70H05, 70H33, 70H45, cs.RO, cs.SY, eess.SY, math-ph, math.DG, math.MP | Geometry in global coordinates in mechanics and optimal transport はコメントを受け付けていません

Towards fully covariant machine learning

投稿日: 2023年6月29日 作成者: jarxiv

要約 データの表現には、研究者の恣意的な選択が含まれます。 これらの選択はデータ … 続きを読む →

カテゴリー: astro-ph.IM, cs.LG, math-ph, math.MP, physics.data-an, stat.ML | Towards fully covariant machine learning はコメントを受け付けていません