研究人员开发了一种新颖的方法，通过将算子学习与流方法相结合，从随机微分方程（SDE）的不变测度中进行高效采样。该方法训练一个神经采样器，将SDE系数函数映射到所需的不变测度，在初始训练阶段后显著降低新实例的成本。该框架利用拉格朗日轨迹传感器和交叉注意力机制来处理高维问题，与传统的MCMC方法相比，在准确性和速度方面均具有竞争力，尤其是在混合缓慢的SDE方面。 AI
影响 这项研究可以加速涉及复杂随机系统的科学模拟和分析。
排序理由 该集群包含一篇详细介绍数值分析新方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
- arXiv
- Cross Attention Network for Few-shot Classification
- Deep operator learning
- interacting particle SDE
- Lagrangian trajectory sensors
- Markov chain Monte Carlo
- Stochastic Differential Equations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
