-
最近の投稿
- FEAST: A Flexible Mealtime-Assistance System Towards In-the-Wild Personalization
- Time-Optimized Safe Navigation in Unstructured Environments through Learning Based Depth Completion
- Advances in Compliance Detection: Novel Models Using Vision-Based Tactile Sensors
- Mass-Adaptive Admittance Control for Robotic Manipulators
- DreamGen: Unlocking Generalization in Robot Learning through Video World Models
-
最近のコメント
表示できるコメントはありません。 cs.AI (39879) cs.CL (30187) cs.CV (45175) cs.HC (3051) cs.LG (44808) cs.RO (23879) cs.SY (3632) eess.IV (5170) eess.SY (3624) stat.ML (5830)
「physics.comp-ph」カテゴリーアーカイブ
Discovering Symbolic Laws Directly from Trajectories with Hamiltonian Graph Neural Networks
要約 物理システムの時間発展は、エネルギーや力などの抽象的な量に依存する微分方程 … 続きを読む
カテゴリー: cond-mat.dis-nn, cond-mat.mtrl-sci, cs.LG, physics.comp-ph
Discovering Symbolic Laws Directly from Trajectories with Hamiltonian Graph Neural Networks はコメントを受け付けていません
Meta Learning of Interface Conditions for Multi-Domain Physics-Informed Neural Networks
要約 物理情報に基づくニューラル ネットワーク (PINN) は、偏微分方程式 … 続きを読む
カテゴリー: cs.LG, physics.comp-ph
Meta Learning of Interface Conditions for Multi-Domain Physics-Informed Neural Networks はコメントを受け付けていません
A probabilistic, data-driven closure model for RANS simulations with aleatoric, model uncertainty
要約 我々は、偶然のモデルの不確実性を組み込んだ、レイノルズ平均ナビエ・ストーク … 続きを読む
カテゴリー: cs.LG, physics.comp-ph, physics.flu-dyn, stat.ML
A probabilistic, data-driven closure model for RANS simulations with aleatoric, model uncertainty はコメントを受け付けていません
Machine Learning and Polymer Self-Consistent Field Theory in Two Spatial Dimensions
要約 ブロック共重合体のパラメータ空間の探索を加速するために、ディープラーニング … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cs.CE, cs.LG, cs.NA, math.NA, physics.comp-ph
Machine Learning and Polymer Self-Consistent Field Theory in Two Spatial Dimensions はコメントを受け付けていません
Variational principle to regularize machine-learned density functionals: the non-interacting kinetic-energy functional
要約 実用的な密度汎関数理論 (DFT) の成功は、補助平均場システムを使用した … 続きを読む
カテゴリー: cs.LG, physics.chem-ph, physics.comp-ph, stat.ML
Variational principle to regularize machine-learned density functionals: the non-interacting kinetic-energy functional はコメントを受け付けていません
Selecting Robust Features for Machine Learning Applications using Multidata Causal Discovery
要約 信頼性が高く解釈可能な機械学習 (ML) モデルを作成するには、堅牢な機能 … 続きを読む
カテゴリー: cs.LG, physics.ao-ph, physics.comp-ph, stat.ML
Selecting Robust Features for Machine Learning Applications using Multidata Causal Discovery はコメントを受け付けていません
Physics Informed Token Transformer
要約 偏微分方程式 (PDE) を解くことは、科学および工学の多くの分野の中核で … 続きを読む
カテゴリー: cs.LG, physics.comp-ph
Physics Informed Token Transformer はコメントを受け付けていません
Training Deep Surrogate Models with Large Scale Online Learning
要約 偏微分方程式 (PDE) の時空間分解能は、世界の物理現象の数学的記述にお … 続きを読む
カテゴリー: cs.AI, cs.DC, physics.comp-ph
Training Deep Surrogate Models with Large Scale Online Learning はコメントを受け付けていません
Deep Learning assisted microwave-plasma interaction based technique for plasma density estimation
要約 電子密度は、プラズマを特徴付けるための重要なパラメータです。 低温プラズマ … 続きを読む
カテゴリー: cs.AI, cs.LG, physics.comp-ph, physics.plasm-ph
Deep Learning assisted microwave-plasma interaction based technique for plasma density estimation はコメントを受け付けていません
Retrieval of Boost Invariant Symbolic Observables via Feature Importance
要約 高エネルギー物理学におけるジェットタグ付けのための深層学習アプローチは、重 … 続きを読む
カテゴリー: cs.LG, hep-ex, physics.comp-ph
Retrieval of Boost Invariant Symbolic Observables via Feature Importance はコメントを受け付けていません