实体
Piml
Piml
PulseAugur coverage of Piml — every cluster mentioning Piml across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的PolyFormer框架显著降低优化复杂度
研究人员推出了一种名为PolyFormer的新框架,旨在解决那些计算成本高昂的复杂优化问题。该PIML(物理信息机器学习)框架学习约束几何的紧凑多面体表示,将其转化为高效的重构,从而可以使用标准求解器。在对各种现实世界问题的评估中,PolyFormer已证明在速度上最高可达6400倍的提升,内存占用最高可减少99.87%,同时保持了高精度。
-
物理引导的AI可实现更安全的机器人辐射源定位
研究人员开发了一个新的机器人辐射源定位(RSL)框架,该框架利用了物理信息机器学习(PIML)模型。这种方法允许机器人在未知环境中准确估计辐射源位置,而无需考虑其测量路径,从而通过避免直接接近辐射源来提高安全性。PIML模型结合了受物理启发的张量来处理衰减的伽马射线信号,并使用并行计算来提高鲁棒性。该方法已通过高保真模拟和物理实验得到验证,并应用了持续学习技术以实现实际部署。
-
机器学习视觉导览 (2015)
本资源集提供了机器学习的广泛概述,涵盖了从基础概念、视觉导览到理论基础和实际应用。它包括一个分类任务的视觉指南,对机器学习基准的科学和伦理的讨论,以及全面的教科书和课程材料的链接。此外,它还重点介绍了可解释机器学习的工具以及在生产环境中部署模型所需的工程实践。