Green's function
PulseAugur coverage of Green's function — every cluster mentioning Green's function across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Hartley 神经算子提供傅里叶神经算子的实值替代方案
研究人员推出了一种名为 Hartley 神经算子 (HNO) 的新模型，旨在效仿傅里叶神经算子 (FNO) 的能力，但侧重于实值偏微分方程 (PDE) 解。与使用复数算术和快速傅里叶变换 (FFT) 的 FNO 不同，HNO 采用实离散 Hartley 变换，从而实现纯实值谱表示。这种区别使得 HNO 在处理具有实值格林函数的自伴椭圆算子（如泊松方程和双调和方程）时更高效、更准确。相反，FNO 更适合处理涉及相位的时变算子（如波动方程…
-
新的Hartley神经算子为求解偏微分方程提供了一种实值替代方案，可替代FNO
研究人员推出了一种名为Hartley神经算子（HNO）的实值替代方案，用于求解偏微分方程，以替代傅里叶神经算子（FNO）。HNO利用离散Hartley变换，为每个谱模式学习一个单一的实数乘数，从而避免了FNO的复数傅里叶域方法中存在的复数运算和潜在的冗余。研究表明，HNO在具有实对称格林函数的自伴椭圆算子上表现更好，而FNO则更适用于涉及相位的时间相关算子，例如波动方程或对流方程中的算子。
-
冯·诺依曼网络提供参数高效的AI，性能优于深度学习变体
研究人员引入了一种新型人工智能神经元，称为冯·诺依曼神经元，其灵感来源于约翰·冯·诺依曼二十世纪中叶的计算模型。这些神经元组织成冯·诺依曼网络（VNNs）后，能够学习专门的角色，并根据输入和输出配置进行自我工程化其架构。VNN框架通过在细胞拓扑上进行卷积来扩展神经算子并学习格林函数，在基本任务上展示了优于传统深度学习模型的性能和参数效率。