实体
Feliciano Giuseppe Pacifico
Feliciano Giuseppe Pacifico
PulseAugur coverage of Feliciano Giuseppe Pacifico — every cluster mentioning Feliciano Giuseppe Pacifico across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
带植入吸引子的神经ODE增强分类任务
研究人员开发了一种使用具有策略性植入吸引子的神经常微分方程（Neural ODEs）进行分类任务的新颖方法。这些吸引子充当特定类别的指示器，引导神经网络近似能力塑造的动力学景观。通过定义吸引域，模型有效地将每个输入（视为初始条件）导向其指定的目标类别。
-
新的arXiv论文探讨了神经ODE、自适应INR和参数化PDE求解器
三篇新的研究论文已在arXiv上发表，每篇都探索了神经网络架构及其应用的新方法。第一篇论文介绍了用于分类任务的具有固定吸引子的神经ODE，其中吸引子指示目标类别，速度场将输入引导至这些目的地。第二篇论文提出了通过阻尼振荡进行光谱门控以实现自适应隐式神经表示，提出了一种将神经元激活建模为阻尼谐振子以在没有显式正则化的情况下适应光谱选择性的方法。第三篇论文详细介绍了参数化表示通过隐式随机调制（PRISM），这是一个专为高维和高阶神经PDE…
-
Neural-ODEs 获得具有可证通用性的不动点控制
研究人员为神经常微分方程（Neural-ODEs）开发了一种新技术，使其能够精确控制系统中的不动点。该方法确保了速度场在指定点处恰好为零，从而在不牺牲模型表达能力的情况下约束基于梯度的训练。在这些局部约束下，Neural-ODEs 的通用性得到了证明，它提供了一种计算高效的施加不动点的方法，并已在物理模型上得到验证。