实体
Attentive Neural Processes
Attentive Neural Processes
PulseAugur coverage of Attentive Neural Processes — every cluster mentioning Attentive Neural Processes across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的神经过程模型加速天体光变曲线重建
研究人员开发了一种名为注意力神经过程（ANPs）的新概率模型，用于重建天体光变曲线。该模型结合了高斯过程和深度学习的优点，能够更快、更准确地分析天文数据。ANPs可以在微秒内同时插值多个波段的光变曲线，在速度和准确性上都显著优于现有方法，使其适用于实时科学分析。
-
新的神经过程模型重建天体光变曲线
研究人员开发了一种新的深度学习模型，即注意力神经过程（ANP），用于重建天体光变曲线。该模型结合了高斯过程的概率框架和深度学习的可扩展性，解决了现有方法（如高斯过程）在跨波段相关性和个体拟合方面存在的局限性。ANP可以在微秒内同时插值多个波段的光变曲线，速度远超之前的基准，使其适用于实时天文数据流。
-
新论文探讨AI表征能力和分解方法
两篇新研究论文探讨了AI表征的理论基础。一篇论文分析了各种神经过程（Neural Process）架构的表征能力，建立了严格的层级结构，为架构选择奠定了基础。另一篇介绍了名为基于相似度的表征分解（Similarity-Based Representation Factorization, SRF）的通用计算方法，用于从相似性矩阵中恢复可解释的维度，可应用于神经科学、行为学和AI。