Emanuele Zappala
PulseAugur coverage of Emanuele Zappala — every cluster mentioning Emanuele Zappala across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新定理推进AI算子学习理论
研究人员利用Leray-Schauder映射，为Banach空间上的连续算子开发了一个新的通用逼近定理。他们还为多变量函数的$L^p$空间引入了一种新颖的算子学习方法，该方法依赖于向多项式基的正交投影。此方法包含一个算子通用逼近结果，该结果在特定条件下依赖于学习线性投影和有限维映射，并特别关注$p=2$的情况。
-
神经积分算子解决小样本光谱分类问题
研究人员开发了一个名为神经积分算子（NIO）的新框架，旨在解决逆问题，特别是在训练数据有限的光谱分类领域。该方法使用积分方程，并通过前馈网络和卷积编码器对算子进行参数化，并联合训练。NIO框架在各种光谱数据集上表现出强大的性能，通常位居模型前列，并在小数据场景中显示出较低的性能方差，表明其在数据稀缺的逆问题中的可行性。
-
新的神经算子框架通过更广泛的上下文改进fMRI分析
研究人员开发了一个使用神经积分算子分析功能性磁共振成像（fMRI）数据的新框架，重点在于捕捉非局部的时空上下文。该方法旨在同时改进从刺激到大脑活动的编码以及从大脑活动到刺激的解码。在开源fMRI数据集上的实验表明，更大的时间窗口通常会提高性能并产生更具结构的学习表示，这表明旨在利用分布式非局部大脑动力学的架构是有益的。
-
新研究探讨Transformer作为算子通用逼近器
研究人员已经证明，Transformer架构可以通用逼近Hölder空间之间的积分算子。此外，利用Gavurin积分的广义神经积分算子已被证明是Banach空间之间任意算子的通用逼近器。该研究还引入了一种使用Leray-Schauder映射的改进型Transformer，能够逼近任何Banach空间之间的算子。