PulseAugur
中
实时 07:38:53
English(EN) How Much Memory Do We Need? Adaptive Memory Gate for Neural Operators

新型自适应内存门增强神经算子性能

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种用于神经算子（AMGFNO）的自适应内存门，以提高其在求解时间相关偏微分方程（PDE）方面的性能。现有的增强内存神经算子使用固定的内存权重，这限制了它们在分辨率或物理参数等不同观测条件下的适应性。AMGFNO引入了一个可学习的门控机制，可以动态调整内存权重，在Kuramoto-Sivashinsky和Burgers方程上，尤其是在低分辨率下，显著降低了归一化均方根误差（nRMSE）。 AI

影响 这项研究可能带来更具适应性和更准确的神经算子，用于求解复杂的科学方程。

排序理由 这是一篇详细介绍神经算子新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 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 cs.LG TIER_1 English(EN) · Noseong Park ·

    How Much Memory Do We Need? Adaptive Memory Gate for Neural Operators

    Neural operators have emerged as a powerful data-driven approach for solving time-dependent PDEs. Among recent advances, memory-augmented neural operators explicitly incorporate past states and have achieved remarkable performance under low-resolution observation settings. Howeve…

相关实体

相关话题