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
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的自平衡顺序采样方法提供更快的收敛速度
研究人员开发了一种新的顺序采样方法，称为自平衡顺序采样，该方法在保持样本不可预测性的同时，实现了更快的收敛到目标分布。该方法通过提供 O(n^{-1}) 的收敛速率，优于标准的独立同分布 (IID) 采样，其收敛速率通常为 O(n^{-1/2})。该技术旨在减少重复选择和覆盖范围的空白，使其适用于审计调度和治疗分配等应用。
-
新研究为使用 Langevin 动力学训练 AI 的安全性设定界限
一篇新研究论文发布在 arXiv 上，探讨了使用 Langevin 动力学训练 AI 模型的安全性。该研究侧重于限制模型在训练过程中进入指定故障区域的轨迹概率。研究人员开发了三个界限，表明故障区域的平衡质量与维度呈指数级关系，并且轨迹概率可以在时间上统一进行上限控制。
-
新的NSAC架构增强了概率表示学习
研究人员开发了一种新的受生物启发的架构，称为神经随机注意力电路 (NSAC)，用于连续时间表示学习。这种新颖的方法使用随机微分方程和互联门重新构建注意力logit计算，从而在注意力权重中实现原则性的随机性。NSAC架构旨在量化偶然不确定性和认知不确定性，在包括函数逼近、回归、预测和自动驾驶应用在内的各种学习任务中，展示了具有竞争力的准确性和良好校准的不确定性估计。