PulseAugur
实时 09:19:26
English(EN) PIEFS: Physics-Informed Eigenfunction Features with Learnable Scaling

新的PIEFS框架提供物理信息谱表示学习

研究人员推出了一种新颖的监督式神经表示学习框架PIEFS,该框架利用修改后的狄利克雷能量实现谱归纳偏置。这种方法称为物理信息特征函数可学习缩放,它在经验Gram正交性和具有可学习度量的狄利克雷惩罚下训练标量坐标映射。在各种基准测试上的实验表明,PIEFS作为一种紧凑的监督式谱表示方法是有效的,未来的工作将侧重于优化稳定性和更丰富的度量参数化。 AI

影响 引入了一种新的谱表示方法,可以提高几何数据任务的性能。

排序理由 该条目是一篇学术论文,详细介绍了一种新的表示学习方法。[lever_c_降级自研究:ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的PIEFS框架提供物理信息谱表示学习

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Varvara Nazarenkko, Timur Lidzhiev, Alexander Tarakanov ·

    PIEFS: Physics-Informed Eigenfunction Features with Learnable Scaling

    arXiv:2607.03692v1 Announce Type: new Abstract: Spectral methods are widely used to construct representations from the geometry of data, but they often rely on a fixed kernel, graph Laplacian, or manually selected feature scaling. We propose Physics-Informed Eigenfunction Feature…