Laplace–de Rham operator
PulseAugur coverage of Laplace–de Rham operator — every cluster mentioning Laplace–de Rham operator across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新AI架构利用专家混合模型改进偏微分方程代理模型
研究人员开发了一种用于非结构化网格上稳态偏微分方程（PDE）代理模型的新型架构，采用了专家混合方法。该方法根据谱尺度对解进行划分，并使用离散霍奇-拉普拉斯算子作为拟合层来测量高频内容。然后，一个门控机制利用网格为重新组合专家输出生成每个顶点的权重。在对简化的雷诺平均纳维-斯托克斯（RANS）翼型数据集进行的基准测试中，该方法与现有方法相比，误差显著降低。
-
机器人集群使用谐波协方差反馈来闭合孔洞
研究人员开发了一种新的谐波协方差反馈方法，用于平面机器人集群闭合其环境中的孔洞。该方法利用谐波边缘信号来识别并将其转换为引导代理的力。该系统采用正则化霍奇拉普拉斯算子的固定次数多项式进行分布式评估，确保从任何安全初始状态都存在唯一的全局轨迹。数值演示表明，所有孔洞都在短时间内被闭合并保持闭合状态。
-
新方法近似微分形式上的扩散过程
研究人员开发了一种新颖的数据驱动方法来近似投影环境连接拉普拉斯算子，该算子作用于黎曼流形上的微分形式，而这些流形由点云采样。该方法将现有的扩散图技术扩展到处理任意阶的微分形式，利用了从交替微分数组派生的值矩阵扩散算子。该方法允许为微分形式上的热方程构建显式欧拉格式，并通过在单位球体上的数值实验进行了验证，证实了其有效性。
-
新算子简化了机器学习中高阶结构的分析
研究人员开发了折叠有效算子（Collapsed Effective Operators），一种用于分析关系建模中高阶结构的新方法。该技术将复杂的拓扑信息浓缩为单一的顶点级算子，保持了半正定性，并在高阶连通性下有效降低了系统能量。该算子在谱聚类和信号平滑方面已显示出经验性改进，并通过位置编码实现了拓扑特征与神经网络架构的集成。