稀疏表示、推理和学习
这篇论文介绍了在统计物理学、计算机科学和神经生物学交叉领域中涌现的模型统计方法,如关联复制和空腔方法,信息传递的概念和其在神经计算和学习中的应用,以期提供更好的理论和技术支持解决神经网络中的复杂计算问题。
Jan, 2013
该文章介绍了逆向问题在统计物理学中的应用,特别是在生物学领域的大规模数据中的应用,重点关注逆向伊辛问题及其应用,通过给定观测自旋相关性、磁化或其他数据,推断自旋之间的耦合强度。文章回顾了伊辛问题的应用,包括神经连接重建,蛋白质结构测定和基因调控网络的推断。在统计力学社区中,已经开发了许多控制和非控制逼近方法,包括拟似似然方法等。此外,文章还介绍了非平衡问题中的伊辛问题,其中必须根据非平衡统计学重建模型参数。
Feb, 2017
通过数据驱动算法和高性能计算,我们构建了一个基于时空光锥的框架,用于实现新现象的自组织,并且本文指出局部因果状态可以在复杂的时空系统中捕捉有序行为和一致结构。在二维湍流方面,我们证明了局部因果状态捕捉了涡旋及其幂律衰减行为,而在应用方面,我们演示了局部因果状态可用于识别已知(飓风和大气河流)和新的极端天气事件,并且可以通过高分辨率气候数据进行时间跟踪。
Apr, 2023
本研究通过利用物理对称性作为潜空间的一致性约束,并将其应用于后续的无监督学习中,以学习诸如线性音高因素之类的低维数据表示,并进一步提出了用于改进样本利用率的表示增强技术。
Feb, 2023
该论文提出了一个几何统计分析框架,适用于泛化的不适定线性反问题模型,包括噪声压缩感知、符号向量恢复、迹回归、正交矩阵估计和噪声矩阵完成等特殊情况,提出了可行的计算凸规划方法,用于统计推断,包括估计、置信区间和假设检验。该论文建立了一个理论框架,以表征局部估计收敛速度,并提供统计推断保证,其结果基于局部锥几何和对偶性,并通过高斯宽度和 Sudakov 最小化估计量表征局部切锥的几何。
Apr, 2014