研究人员开发了一种名为空间局部迷你批处理的新方法,用于训练隐式神经表示(INR)。该技术对于低秩神经表示(LRNR)特别有效,LRNR 是一种使用超网络为共享基生成系数的 INR。通过在小区域内单个时间快照的数据点上进行训练,LRNR 与传统的密集网络相比,可以用更少的参数实现显著更低的错误率。在双曲守恒律问题上的测试中,这种局部训练方法产生了 1.1-2.3% 的相对 L2 误差,优于 DeepONet 和 Fourier Neural Operator 等其他模型,后者的误差达到了 16-78%。 AI
影响 该方法可能导致更高效的神经网络训练,用于复杂的模拟和数据表示。
排序理由 详细介绍一种新的神经网络训练方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- DeepONet
- Fourier Neural Operator
- Hypernetwork
- Implicit Neural Representations
- Low-Rank Neural Representations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →