实体
Energy Mover's Distance
Energy Mover's Distance
PulseAugur coverage of Energy Mover's Distance — every cluster mentioning Energy Mover's Distance across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
为LHC基础模型揭示新的自监督预训练方法
研究人员开发了一种新颖的自监督预训练方法，用于大型强子对撞机（LHC）的基础模型。这种数据驱动的方法利用能量移动距离（EMD）根据相似性配对事件，无需传统的 数据增强。通过根据相似性匹配不同的事件，该方法在不改变事件保真度或需要计算密集型模拟的情况下学习不变性。在QCD喷注上的实验表明，这种无增强配对方法可以产生具有下游区分能力的语义喷注嵌入，其性能可与现有基于增强的基线相媲美或超越。
-
深度学习模型加速物理数据最优传输计算
研究人员开发了一种新颖的深度学习模型，称为度量感知粒子流网络（Metric-Aware Particle Flow Network），旨在近似复杂数据集的最优传输计算。该模型采用深度集合（Deep Sets）架构构建，并融入了特定的归纳偏置，旨在加速大规模数据的分析，尤其是在高能物理领域。通过强制执行非负性和零自距离等几何属性，该网络在推理速度上相比现有方法有了显著提高，同时保持了高精度，证明了针对几何保真度进行特定神经网络约束的有效性。