PulseAugur
实时 06:49:24
English(EN) DFSC: Error-Controlled Differentiable Mittag-Leffler Propagation for Fractional Scientific Machine Learning

新的 PyTorch 环境 DFSC 增强了分数阶科学机器学习

研究人员开发了 DFSC,一个专为分数阶科学机器学习设计的 PyTorch 环境。该系统利用 Mittag-Leffler 谱层 (MLSL) 来区分已知的分数阶传播和数据驱动的校正,使神经网络模块能够仅学习未解决的动力学。DFSC 联合优化分数阶和残差网络参数,采用自适应算法来满足指定的误差容差。该系统支持各种算子路径、可训练的分数阶以及直接逆问题,在重用准备好的 Lanczos 基时,在 CPU 和 GPU 上提供了显著的加速。 AI

影响 引入了一种分数阶科学机器学习的新颖框架,有可能提高专业人工智能应用的效率和准确性。

排序理由 该集群描述了一种用于分数阶科学机器学习的新方法和软件环境,该方法在 arXiv 论文中有详细介绍。[lever_c_demoted from research: 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 PyTorch 环境 DFSC 增强了分数阶科学机器学习

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Ning Hu, Haitao Duan, Shuqun Li, Chuyang Hu ·

    DFSC:分数阶科学机器学习的误差控制可微Mittag-Leffler传播

    arXiv:2607.29038v1 Announce Type: new Abstract: Fractional scientific machine learning requires numerical operators that can be differentiated, batched, accelerated, and composed with neural networks. When the dominant linear fractional evolution is known through a Mittag-Leffler…