PulseAugur
实时 08:57:42
English(EN) Projection-based multifidelity linear regression for data-scarce applications

新的多保真度回归方法提高了数据稀疏AI应用的准确性

研究人员开发了新的基于投影的多保真度线性回归方法,专为高维输出的数据稀疏应用而设计。这些技术将廉价的低保真度模型评估与有限的、昂贵的高保真度评估相结合。与单一保真度方法相比,这些方法在数据量极少的情况下(高保真度样本仅十二个)实现了更高的准确性和更高的R^2分数。 AI

影响 引入了新颖的统计技术,可以在高保真度数据有限的情况下提高训练AI模型的效率。

排序理由 详细介绍新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

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

新的多保真度回归方法提高了数据稀疏AI应用的准确性

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Vignesh Sella, Julie Pham, Karen Willcox, Anirban Chaudhuri ·

    面向数据稀疏应用的基于投影的多保真度线性回归

    arXiv:2508.08517v2 Announce Type: replace Abstract: Surrogate modeling for systems with high-dimensional quantities of interest remains challenging, particularly when training data are costly to acquire. This work develops multifidelity methods for multiple-input multiple-output …