实体
Elliptic PDEs
Elliptic PDEs
PulseAugur coverage of Elliptic PDEs — every cluster mentioning Elliptic PDEs across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
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 3 条
-
新的蒙特卡洛和深度神经网络方法近似带漂移和杀伤的椭圆偏微分方程
研究人员开发了新的蒙特卡洛和深度神经网络方法来近似一类特定的线性椭圆偏微分方程的解。这些方法建立在 Walk-on-Spheres 算法的基础上，并结合了采样随机时间来建立均匀误差界。该研究还展示了如何设计深度神经网络来近似这些解，其参数数量随逆精度和问题维度的多项式增长，将先前的复杂度分析扩展到带漂移和杀伤的方程。
-
新研究探讨统计逆向学习与 $\ell^1$ 正则化技术 · 跟踪 4 个来源
研究人员发表了关于统计逆向学习的新工作，重点关注具有随机观测的问题以及 $\ell^1$ 正则化的应用。其中一篇论文详细介绍了希尔伯特尺度下的谱正则化和投影正则化方面的进展，分析了收敛速度并将概念应用于药代动力学/药效动力学模型。另一项研究引入了用于图像去噪的变换 $\ell_1$ (TL1) 梯度正则化，与传统的全变分方法相比，旨在更好地保留尖锐边缘和分段光滑区域。第三篇论文探讨了使用 $\ell^1$ 正则化经验风险最小化从嘈杂的…
-
贝叶斯PINN在求解椭圆偏微分方程方面达到近乎最优的收敛率
研究人员开发了一种新的贝叶斯物理信息神经网络（PINNs）方法来求解椭圆偏微分方程。该方法通过证明后验分布以近乎最优的速率集中在精确解附近，为不确定性量化提供了统计保证。其关键特性是速率自适应先验，能够在无需预先了解解的光滑度的情况下实现最优收缩。