Chebyshev polynomial
PulseAugur coverage of Chebyshev polynomial — every cluster mentioning Chebyshev polynomial across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
AI框架AutoSpec为数值任务发现谱算法
研究人员开发了AutoSpec，一个新颖的神经网络框架，旨在自动发现用于复杂数值线性代数和优化任务的迭代谱算法。这个自监督系统分析粗略的谱信息，例如特征值估计，以预测为特定问题量身定制的矩阵多项式的系数。AutoSpec已显示出显著的改进，在真实世界矩阵上，与传统方法相比，精度提高了高达一个数量级或迭代次数减少了高达一个数量级，并可能与切比雪夫多项式逼近有关。
-
平滑基模型在表格回归中挑战树集成模型
研究人员重新审视了用于表格回归的切比雪夫多项式和各向异性RBF模型，开发了新的实现方法，并将其与树集成模型和Transformer进行了比较。虽然Transformer的准确性更高，但其计算需求限制了其应用。在CPU可行的模型中，平滑基模型在准确性方面与树集成模型相当，但表现出更好的泛化能力。研究建议在表格回归任务的选择过程中包含平滑基模型，尤其是在预测渐变和更严格的泛化有益的情况下。
-
Chebyshev-Augmented OTL enables one-shot transfer learning for nonlinear PINNs
研究人员开发了一种名为Chebyshev-Augmented One-Shot Transfer Learning (OTL) 的新方法，以提高Physics-Informed Neural Networks (PINNs) 的效率。该技术通过使用Chebyshev多项式展开来近似非线性项，解决了PINNs对每个新问题实例都需要大量重新训练的局限性。该方法允许学习一个可重用的潜在空间，通过闭式解实现快速适应新场景，而无需完全重新训练网络。