parameterizations | BriefGPT

关键词parameterizations

搜索结果 - 11

机器学习全球非局域引力波传播模拟
使用机器学习模型模拟全球大气重力波通量，以替代传统的单柱参数化方法，展示了全局非局域性在使用数据驱动方案模拟大气重力波时的重要性和有效性。
PDF16 days ago
朝物理一致的深度学习迈进气候模型参数化
通过提取关键特征并使用这些相关特征进行神经网络微调，我们提出了一种有效的有监督学习框架，用于基于深度学习的参数化模型，以实现物理上一致、可解释性较强且与标准黑盒深度学习参数化模型在预测性能上保持相等的预测性能。
PDFa month ago
多头 Transformer 动态的无限极限
我们分析了特征学习阶段中 Transformer 模型的训练动力学的各种尺度极限，确定了能够在训练过程中实现无限宽度和深度极限、允许注意层更新的一组参数化；然后利用动力平均场理论（DMFT）中的工具，分析了各种无限极限（无限关键词 / 查询
PDFa month ago
如何对不对称量化范围进行参数化，用于量化感知训练
本研究通过比较分析三种不对称均匀量化的参数化方法，即比例和偏移、最小值和最大值以及 β 和 γ，来研究其对量化感知训练的影响。我们使用控制实验和实际大型语言模型的数据进行全面分析，并着重探讨其在关键训练超参数、比特宽度和学习率变化时的行为。
PDF2 months ago
元学习的必要性：为学习过程学习合适的参数化
探讨元学习及如何超越当前的经典学习范式，首先阐述了学习过程中归纳偏好的重要性及其影响：学习所需的数据量。接着强调选择适当的参数化对于建立明确定义的学习过程的重要性，尤其是在实际应用中面临的多种偏见，例如传感器的特殊性、数据来源的异质性、观点
PDF6 months ago
经验正交棱镜度及其在 TEM 非线性嵌入中的应用
通过 Legendre 函数对负的温和熵函数引入三种有限离散的 Tempered Exponential Measures（TEMs）参数化，建立在这种参数化之间的等距性质，以温和 Hilbert 共单纯距离的 Hilbert 对数交比距离
PDF7 months ago
使用傅里叶神经算子的强大海洋亚格尺度参数化
气候模拟中，小尺度过程对海洋动力学产生重要影响但直接解析计算代价高。因此，我们开发了基于 Fourier 神经算子的参数化方法，展示了其在准确性和泛化性方面与其他方法的比较。最后，讨论了在频域操作的神经网络的潜力和限制，为未来的研究打下基础
PDF9 months ago
多层次气候模型参数化以提升泛化与外推能力
多重保真度方法通过整合不同准确度和丰富度的数据集，结合了基于物理的参数化和基于机器学习的参数化，使得在训练数据范围外进行外推成为可能，且能够提供更高准确性的气候预测模拟，而不需要大量计算资源增加。
PDF10 months ago
ICLR渐进式蒸馏：用于快速采样扩散模型
通过新的参数化方法和扩散模型的渐进提炼过程，从而在不降低感知质量的前提下将采样步骤尽量减少到四步，从而提高了采样效率，并为生成建模提供了高效的解决方案。
PDF2 years ago
ICMLPLATINUM: 基于次模互信息的半监督模型无关元学习
在本文中，我们提出了一种半监督的、模型无关的元学习框架 PLATINUM，它使用子模同信息函数（SMI）来增强 FSC 的性能，可以利用元训练过程中内外循环中未标记的数据，获得更丰富的元学习参数，特别是对于每个类别例子的小比例，其表现优于
PDF2 years ago
约束统计学习的实证对偶间隙
本文提出了直接解决约束统计问题的方法，通过有限维参数化，样本平均和对偶理论，克服了其无限维度，未知分布和约束的限制。此方法可以在公平学习应用中体现出其有效性和有用性。
PDF4 years ago