Levenberg--Marquardt Methods Based on Probabilistic Gradient Models and Inexact Subproblem Solution, with Application to Data Assimilation
PulseAugur coverage of Levenberg--Marquardt Methods Based on Probabilistic Gradient Models and Inexact Subproblem Solution, with Application to Data Assimilation — every cluster mentioning Levenberg--Marquardt Methods Based on Probabilistic Gradient Models and Inexact Subproblem Solution, with Application to Data Assimilation across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
量子电路训练在单比特设计中面临相位锁定挑战
一篇新发表在arXiv上的研究论文探讨了量子电路的训练动力学，特别比较了单比特再上传电路与多比特电路。研究表明，尽管单比特电路可以用相同的编码预算表示多比特电路可以表示的任何函数，但这在‘相位锁定’现象导致的一阶训练过程中会付出代价。这种相位锁定限制了参数更新的可及方向数量，使得与多比特电路相比，训练速度明显变慢，尤其是在处理复杂或真实世界数据集时。
-
新的GPU求解器加速符号回归常数优化
研究人员开发了一种新颖的GPU常驻求解器，用于通过基于树的遗传编程优化符号回归中的常数。这种批量Levenberg-Marquardt求解器能够以每次迭代最少的CUDA启动次数，高效地处理异构表达式树种群。它利用反向模式自动微分来组装雅可比矩阵，并采用双精度保护来确保常数质量，在NVIDIA A100硬件上实现了高吞吐量，并优于现有方法。
-
新的CSS-BA方法增强了在复杂场景下的三维重建精度
研究人员开发了一种名为门控列空间搜索捆绑调整（CSS-BA）的新方法，以提高在复杂场景下三维重建的精度和稳定性。该方法通过将更新约束在一个由几何信息指导的低维子空间内，来修改经典的基于Schur的Levenberg-Marquardt（LM）求解器。与选择关键帧的方法不同，CSS-BA在优化中保留所有参数，同时限制更新方向，可以作为现有管线的即插即用替代方案。实验表明，在弱几何情况下，优化更稳定，姿态精度更高。