研究人员开发了一个新颖的神经网络框架,该框架可以保留特定的数学结构,并超越了简单的凸性,扩展到半凸、拟凸和可凸变换函数。这种保持结构的逼近方法在新的arXiv论文中有所详细介绍,它使用具有特定架构约束的神经网络建立了逼近的理论 minimax 速率。数值实验表明,与标准的 MLP 相比,这些新架构在保持结构有效性和竞争性准确性方面表现出色,尤其是在基于 PDE 的逼近问题中。 AI
影响 使复杂的数学问题的神经网络行为更加健壮和可预测,有可能改进科学计算和优化中的应用。
排序理由 学术论文,详细介绍了新的理论框架和神经网络架构的实验验证。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Elu
- Gotit.pub
- Hugging Face
- IArxiv
- Influence Flower
- Input convex neural networks
- ScienceCast
- Softplus
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →