实体
DANGER: Data, Numbers, and Geometry
DANGER: Data, Numbers, and Geometry
PulseAugur coverage of DANGER: Data, Numbers, and Geometry — every cluster mentioning DANGER: Data, Numbers, and Geometry across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新arXiv论文提供数学研究机器学习教程
一篇题为“数据、数字与几何：数值方法、机器学习与评估的三篇教程”的新论文已在arXiv上发布。该论文是为2026年4月在班夫国际研究站举行的DANGER：数据、数字与几何研讨会而开发的，为数学研究提供了实用的教程。教程涵盖了外微分法的数值方法、由数学结构引导的神经网络设计，以及机器学习结果的评估和展示。同时提供了配套的笔记本和练习，供读者复制和改编这些方法。
-
新的PINN框架详细介绍了几何分析问题
本文是先前工作的姊妹篇，详细介绍了使用物理信息神经网络（PINNs）在双曲空间中构建最小圆盘的机器学习框架。它侧重于方法论方面，强调将几何问题约束编码到神经网络架构以及优化PDE残差评估的重要性。作者引入了两种显著减少训练时间的实现技术，使该框架对微分几何和几何分析领域的研究人员更加易于使用。