PulseAugur
实时 11:43:25
English(EN) Approximation of Maximally Monotone Operators : A Graph Convergence Perspective

新框架利用图收敛逼近复杂算子

研究人员引入了一个新的框架,用于逼近最大单调算子,这些算子通常是不连续的或多值的,并且超出了传统逼近方法的范围。该方法利用图收敛,特别是 Painlevé-Kuratowski 收敛,来有效处理这些复杂算子。研究表明,连续的编码器-解码器架构可以在局部图收敛的意义上逼近这些算子,并提出了保留结构、通过判别器参数化来维持最大单调性的逼近方法。 AI

影响 引入了一种新颖的算子学习数学框架,可能为复杂、不连续函数催生新的 AI 架构。

排序理由 该集群包含一篇学术论文,详细介绍了针对特定类别数学算子的新理论框架和逼近方法。[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 →

新框架利用图收敛逼近复杂算子

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Takaharu Yaguchi ·

    Approximation of Maximally Monotone Operators : A Graph Convergence Perspective

    Operator learning has been highly successful for continuous mappings between infinite-dimensional spaces, such as PDE solution operators. However, many operators of interest-including differential operators-are discontinuous or set-valued, and lie outside classical approximation …