PulseAugur
中
实时 06:27:11
English(EN) Fast data inversion for high-dimensional Ornstein-Uhlenbeck processes from noisy measurements

新方法加速高维动力学系统分析

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖、计算高效的方法来分析高维动力学系统，特别是 Ornstein-Uhlenbeck 过程。这种新方法利用正交因子载荷矩阵来绕过复杂的后验协方差反演，从而在不牺牲准确性的情况下显著提速。该方法在模拟中表现出优越的性能，并已成功应用于真实的地质测量数据中，用于估计慢滑移事件，为改进地质灾害量化提供了潜力。 AI

影响 为分析复杂时间序列数据提供了一种更具可扩展性和准确性的方法，可能使信号处理和科学建模中的 AI 应用受益。

排序理由 这是一篇详细介绍新统计方法的研究论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Yizi Lin, Xubo Liu, Paul Segall, Mengyang Gu ·

    来自噪声测量的多维 Ornstein-Uhlenbeck 过程的快速数据反演

    arXiv:2501.01324v4 Announce Type: replace-cross Abstract: In this work, we develop a scalable approach for a flexible latent factor model for high-dimensional dynamical systems. Each latent factor process has its own correlation and variance parameters, and the orthogonal factor …

相关话题