Laplace kernel
PulseAugur coverage of Laplace kernel — every cluster mentioning Laplace kernel across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
LapMerge 推出线性时间令牌合并技术，用于 AI 模型
研究人员推出 LapMerge，这是一种新颖的可微分算子，旨在高效地缩减现代视觉和语言模型中的令牌序列。该方法通过基于拉普拉斯核学习到的质量分布，将序列划分为固定数量的段，从而解决了信息丢失和计算成本之间的权衡。LapMerge 在前向和后向传播中均实现了线性时间复杂度，允许在不重新训练的情况下动态调整预算，并提供令牌级别的分配图。在视觉和视觉-语言任务上进行测试，LapMerge 在性能上匹配或超越了现有的令牌缩减器，同时速度显著更…
-
新方法可准确估计TimeGAN训练的MMD方差
研究人员开发了一种新方法，可以准确有效地估计最大均值差异（MMD）的方差，这在样本量不平衡的情况下尤其具有挑战性。所提出的方法提供了一个有限样本无偏估计量，并通过采用拉普拉斯核的递归前缀-后缀累积方案，将计算复杂度降低到O(N log N)，内存为O(N)。该方法已被验证其理论精确性和数值稳定性，在时间序列生成对抗网络（TimeGAN）训练期间监控分布收敛方面被证明是有效的。
-
新的核模型推动了AI架构特征学习的进展
研究人员开发了一种核岭回归的组合变体，用于复杂架构中的特征学习。该模型被表述为一个变分问题，展示了如何识别相关变量和消除噪声变量。一项关键发现表明，$\ell_1$型核（如拉普拉斯核）在恢复对非线性效应有贡献的特征方面是有效的，而高斯核仅限于线性效应。
-
新论文探讨生成漂移框架中的可辨识性和稳定性
本文介绍了伴随椭圆核，这是一类包含拉普拉斯核的核，其定义是与伴随函数特定的耦合。研究证明，对于该类中的核，当且仅当两个概率测度相同时，漂移场为零，并将高斯核和Matérn核识别为该类成员。该研究还解决了弱收敛中可能出现的故障，表明质量可以逃逸到无穷大，而场会减小，但这种故障模式仅限于特定的二维射线。