新的HyperShape框架评估神经算子在超弹性方面的性能

研究人员推出HyperShape，一个用于生成合成形状和超弹性模拟数据的新框架。该框架旨在解决现有神经算子基准测试的局限性，这些基准测试通常依赖于简单的几何形状。HyperShape允许系统地评估在各种分布内、分布外以及合成到真实场景中的泛化能力。初步研究结果表明，虽然神经算子在简单形状上表现良好，但随着形状复杂性和几何多样性的增加，其性能会下降，这凸显了进一步的模型开发的必要性。 AI

影响 该框架通过提供一种标准化的方法来测试神经算子在复杂几何问题上的泛化能力，有望加速神经算子的研究。

排序理由 该集群包含一篇详细介绍新框架和神经算子评估基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Connected Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• HyperShape
• Litmaps
• ScienceCast
• scite Smart Citations

• 论文
• 其他

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