实体
functional analysis
functional analysis
PulseAugur coverage of functional analysis — every cluster mentioning functional analysis across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
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
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新机器学习方法利用泛函分析学习未知的常微分方程
研究人员开发了一种新颖的机器学习方法，可以从单个状态轨迹中发现未知的非线性常微分方程（ODEs）。该方法基于泛函分析和算子理论，与现有方法不同之处在于，它在函数空间中构建了一个以函数间的积分距离为基础的成本函数。增量学习算法允许使用新数据进行在线学习，从而能够发现强制和非强制、自治和非自治系统的未知向量场，并能同时识别外部力和潜在动力学。
-
新框架将神经网络与向量值函数空间联系起来
研究人员开发了一个新框架，用于理解神经网络底层的函数空间，特别是针对向量值和神经算子模型。这项工作引入了向量值再生核巴拿赫空间（vv-RKBS）的伴随对概念，并证明了浅层值神经网络以及DeepONet和Hypernetwork架构可以在这些空间中表示。研究结果建立了一个表示定理，将这些函数空间上的优化与相应的神经网络架构联系起来。
-
机器学习博士生寻求研究基础数学资源
一位机器学习博士生正在寻求资源推荐，以加强其在高等代数、概率论和泛函分析方面的数学基础。该学生正在考虑使用《Linear Algebra Done Right》来学习高等代数，并发现《A Primer on RKHS》对泛函分析有帮助，但觉得Rudin的书很有挑战性。他们还在关注“The Bright Side of Mathematics”YouTube频道，并计划重读PRML书籍和Pat Kidger的“Just Know Stuff”列表。