实体
L2-loss Large-scale Linear Nonparallel Support Vector Ordinal Regression
L2-loss Large-scale Linear Nonparallel Support Vector Ordinal Regression
PulseAugur coverage of L2-loss Large-scale Linear Nonparallel Support Vector Ordinal Regression — every cluster mentioning L2-loss Large-scale Linear Nonparallel Support Vector Ordinal Regression across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
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 2 条
-
新的加权损失函数提高了 PINN 求解 BGK 模型的准确性
研究人员开发了一种新方法,用于提高物理信息神经网络 (PINNs) 求解 Bhatnagar-Gross-Krook (BGK) 模型时的准确性。PINNs 中标准的 $L^2$ 损失函数不足以捕捉准确的宏观矩,导致物理解不准确。为了解决这个问题,引入了一种速度加权的 $L^2$ 损失函数,该函数专门惩罚高速区域的误差。与标准方法相比,这种新方法在数值实验中表现出更高的准确性和鲁棒性。
-
Noise2Noise 去噪性能受训练数据分布驱动,而非损失函数选择
一篇新论文重新审视了 Noise2Noise (N2N) 自监督去噪技术,挑战了关于 L1 损失优于 L2 损失的普遍假设。研究表明,训练对分布,而非损失函数的选择,是影响 N2N 性能的主要因素。在合成和真实世界噪声数据集上的实验表明,在特定噪声分布上训练的 N2N 模型取得了显著的提升,甚至在没有干净参考图像的情况下,当使用相关的噪声对进行训练时,其性能也超越了 BM3D 等传统方法。