English(EN) Universal neural network approximation of symmetric polyconvex energies and envelopes

用于逼近多凸能量的新型SPCNNs架构

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-27 04:00

研究人员开发了一种新型神经网络架构，称为对称多凸神经网络（SPCNNs），以应对逼近对称多凸能量的挑战。这些网络结合了凸性属性和表示次行列所需的单调性，克服了先前基于ReLU的网络限制。SPCNNs被证明可以通用逼近对称多凸能量，而无需假设各向同性，并通过涉及基于应力的回归以及对称多凸包络的双势阱逼近的数值示例证明了其准确性。 AI

影响引入了一种新颖的神经网络架构，用于复杂的能量逼近，可能推动计算力学和材料科学的发展。

排序理由该集群包含一篇详细介绍新型神经网络架构的研究论文。[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 →

本文如何被排名

Signal score: 8 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍新型神经网络架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Florian Gammer · 2026-10-27 04:00

对称多凸能量及其包络的通用神经网络逼近

arXiv:2610.32598v1 Announce Type: cross Abstract: Symmetric polyconvexity provides a sufficient condition for weak lower semicontinuity in small-strain elasticity and a tractable lower bound for the relaxation of non-(quasi)convex energies. Since classical algorithms for computin…

本文如何被排名

报道来源 [1]

对称多凸能量及其包络的通用神经网络逼近

相关实体

相关话题