PulseAugur
中
实时 11:49:11
English(EN) Sparse Orthogonal Regression Technique: A Spectral Framework for Equation Discovery, Approximation, and Integration

新的SORT框架支持用于方程发现的谱基学习

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的谱框架——稀疏正交回归技术（SORT），该框架旨在从嘈杂且不规则采样的数据中学习标准正交基展开。该技术使用L1正则化回归直接估计展开系数，无需显式进行求积或内积评估。SORT的一个主要应用是数据驱动的常微分方程发现，其中向量场在选定的正交基内表示为稀疏系数展开，为符号回归和其他发现方法提供了一种独特的方法。 AI

影响 引入了一个用于学习标准正交基展开的新谱框架，可能改进数据驱动的微分方程发现和非线性逼近。

排序理由 该集群包含一篇详细介绍方程发现新技术的学术论文。[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SORT框架支持用于方程发现的谱基学习

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Sabin Roman, Ljupco Todorovski, Saso Dzeroski ·

    稀疏正交回归技术：用于方程发现、逼近和积分的谱框架

    arXiv:2608.13504v1 Announce Type: new Abstract: We develop the Sparse Orthogonal Regression Technique (SORT), a sparse spectral framework for learning orthonormal-basis expansions from noisy and irregularly sampled data. SORT estimates expansion coefficients directly from observa…

相关话题