实体
Ornstein--Uhlenbeck process
Ornstein--Uhlenbeck process
PulseAugur coverage of Ornstein--Uhlenbeck process — every cluster mentioning Ornstein--Uhlenbeck process across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
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 3 条
-
学习型攻击针对量子密钥分发系统
研究人员开发了针对量子密钥分发（QKD）系统的新型学习攻击策略，特别解决了信道噪声和器件漂移带来的挑战。通过将窃听视为一个受约束的马尔可夫决策过程，这些自适应攻击可以被学习和优化。该研究量化了能够根据不断变化的噪声条件和器件参数调整策略的攻击者所获得的优势，证明了相比固定攻击方法有显著改进。
-
SCROLL 方法通过学习到的不确定性改进了随机动力学的预测
研究人员开发了 SCROLL，一种用于随机动力学系统中多可观测值预测的新颖方法。与平衡每个任务损失的传统方法不同，SCROLL 将不同可观测值的似然组合到一个共享骨干上，从而可以学习单位依赖性损失缩放的参数化。该方法在明确指定的系统上准确预测方差，并在更复杂、异方差的系统中分离输入依赖性方差。在实际空气质量数据上，SCROLL 在负对数似然和校准方面表现出卓越的性能，优于经过调优的基线方法。
-
随机权重平均提升深度学习中的数据增强效果
研究人员探索了使用随机权重平均（SWA）作为一种增强深度学习中数据增强的方法，它提供了一种比训练大型集成模型更具成本效益的替代方案。他们的分析通过将训练轨迹近似为 Ornstein--Uhlenbeck 过程，表明在增强数据上使用 SWA 可以提供超越标准 SWA 性能提升的额外增强效果。这些发现通过在计算机视觉和图分类任务的各种模型上进行的实验得到了验证，证明了其在离散和连续对称性方面的有效性。