PulseAugur
中
实时 09:00:02
English(EN) In-Context Learning of Stochastic Differential Equations with Foundation Inference Models

基础模型加速微分方程推理

作者 PulseAugur 编辑部 · [3 个来源] ·

研究人员开发了一套基础推理模型（FIMs），旨在从时间序列数据中快速估计各种微分方程的参数。这些模型包括用于随机微分方程的FIM-SDE、用于时间点过程的FIM-PP以及用于常微分方程的FIM-ODE，它们在广泛的合成数据分布上进行了预训练。这种预训练使它们能够执行上下文（零样本）推理，或快速微调以适应特定数据集，其性能通常优于需要大量训练的传统方法和专用模型。 AI

影响 这些基础模型通过实现对复杂动力学系统更快、更准确的参数估计，有望显著加速科学发现。

排序理由 该集群包含多篇详细介绍科学推理新模型和方法的学术论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →

报道来源 [3]

  1. arXiv cs.LG TIER_1 English(EN) · Patrick Seifner, Kostadin Cvejoski, David Berghaus, Cesar Ojeda, Ramses J. Sanchez ·

    具有基础推理模型的随机微分方程的上下文学习

    arXiv:2502.19049v3 Announce Type: replace Abstract: Stochastic differential equations (SDEs) describe dynamical systems where deterministic flows, governed by a drift function, are superimposed with random fluctuations, dictated by a diffusion function. The accurate estimation (o…

  2. arXiv cs.LG TIER_1 English(EN) · David Berghaus, Patrick Seifner, Kostadin Cvejoski, C\'esar Ojeda, Rams\'es J. S\'anchez ·

    基于基础推理模型的上下文学习时间点过程

    arXiv:2509.24762v3 Announce Type: replace Abstract: Modeling event sequences of multiple event types with marked temporal point processes (MTPPs) provides a principled way to uncover governing dynamical rules and predict future events. Current neural network approaches to MTPP in…

  3. arXiv cs.LG TIER_1 English(EN) · Maximilian Mauel, Johannes R. H\"ubers, David Berghaus, Patrick Seifner, Ramses J. Sanchez ·

    常微分方程的基础推理模型

    arXiv:2602.08733v2 Announce Type: replace Abstract: Ordinary differential equations (ODEs) are central to scientific modelling, but inferring their vector fields from noisy trajectories remains challenging. Current approaches such as symbolic regression, Gaussian process (GP) reg…

相关实体

相关话题