关键词operator approximation
搜索结果 - 5
- 用于补偿超协调 PIDE 的神经算子
通过 DeepONet 操作学习框架,我们扩展了基本双曲线和抛物线 PDE 的结果至涉及系统状态和输出或输入延迟的高级双曲线类。我们利用 DeepONet 神经网络逼近算子,并通过数值模拟验证了理论结果,并量化了通过 DeepONet 取代 - 非局部神经算子:通用逼近
此研究提出了一种被称为非局部神经算子(NNO)的候选算子, 允许在任意几何空间中对算子进行逼近,因此包括傅里叶神经算子(FNO)作为一个特例并展示了这个理论结果统一了广泛的神经算子结构的分析。
- 钻孔电阻率测量的自动化机器学习
该研究提出了一种基于得分函数的 DNN 体系结构搜索算法,以获得比参考 DNN 更小的准最优 DNN 以近似运算符,从而在训练和评估时需要更少的计算资源,同时提供与原始大型 DNN 相当的准确性。
- 神经网络算子学习中的代价 - 准确度权衡
本文讨论了使用神经网络进行偏微分方程算法中的代理建模,并比较了多种神经网络框架对于连续力学中的 PDE 模型的算子逼近问题的数值研究结果。
- ICCV使用全卷积网络进行快速图像处理
使用全卷积网络进行运算符逼近可以显著提高逼近精度,降低运行时间和内存开销。在输入输出对上的训练可以将原始运算符逼近,并且可以对多种不同的高级图像处理运算符进行逼近,包括多种变分模型、多尺度调节和明暗细节操作等。