实体
Fourier Feature Networks
Fourier Feature Networks
PulseAugur coverage of Fourier Feature Networks — every cluster mentioning Fourier Feature Networks 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
最近 · 第 1/1 页 · 共 2 条
-
新的傅里叶特征网络在求解PDE方面显示出更高的准确性
研究人员推出了一种新颖的求解偏微分方程的方法——傅里叶特征网络（FENs）。这些网络基于单隐藏层神经网络，通过引入余弦和正弦等傅里叶特征来生成基函数。与极限学习机（ELMs）类似，FENs将目标函数近似为这些基的线性组合，但它们在无需对输入变量进行仿射变换的情况下即可实现高精度。数值实验表明，FENs在准确性方面始终优于ELMs。
-
光子量子场在物理信息人工智能学习方面展现出潜力
研究人员开发了一种新颖的光子量子神经网络，该网络利用可训练的光学相位和干涉来学习物理信息偏微分方程（PDE）。该方法使用光子测量作为表示学习机制，在复杂区域的表现优于经典坐标和傅里叶特征网络，参数更少，性能提升高达一个数量级。该方法在科学机器学习方面显示出潜力，尤其是在残差导数放大相位失配的情况下。