新方法从系统数据中发现神经算子，无需显式参数

研究人员推出了一种新的方法——神经算子发现（NOD），用于从异构数据轨迹中学习动力学系统模型。该方法无需显式的条件变量（如物理参数或几何形状），即可发现共享的解算子和特定于系统的变体。NOD方法采用了一种因子化潜在条件公式，可以联合学习神经算子和低维潜在表示，从而能够泛化到未见过的系统实例并进行稳定的长时预测。 AI

影响 在没有显式因子监督的情况下，为算子学习建立了一个新的可解释范式。

排序理由 该条目是一篇在arXiv上发表的研究论文，详细介绍了一种新的神经算子发现方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• computer science
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• machine learning
• Neural operator discovery
• ScienceCast

• 论文
• 模型发布
• 其他

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