研究人员开发了一种名为无网格弱形式回归(MFWR)的新方法,用于从嘈杂的粒子轨迹数据中学习相互作用核。该技术通过使用平滑测试函数和经验粒子平均值,避免了对嘈杂数据进行微分或重建空间网格的需要。MFWR还通过在采样粒子对上评估相互作用项来优化计算成本,并且理论分析提供了区分各种误差来源的误差界限。在一维、二维和十维中的实验表明,与其它表述形式相比,MFWR的变体弱LASSO产生了最小的系数和漂移误差。 AI
影响 这项新的回归技术可以提高在各个科学领域从观测数据中学习复杂相互作用的准确性和效率。
排序理由 该条目是一篇详细介绍机器学习新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- arXivLabs
- CatalyzeX Code Finder for Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- lasso
- Ordinary Least Squares
- Mesh-Free Weak-Form Regression
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →