Poisson
PulseAugur coverage of Poisson — every cluster mentioning Poisson across labs, papers, and developer communities, ranked by signal.
7 天有情绪数据
-
新论文详细介绍了用于随机算子的随机物理信息神经网络
一篇新论文介绍了一种随机物理信息神经网络（SPINN），该网络旨在处理具有随机算子的随机边值问题。该方法使用共享的高斯随机种子来连接随机算子和基于流形的神经网络架构，使网络能够表示非高斯随机算子。训练涉及将数据保真度与随机边值问题引起的分布对齐，并利用公共随机数进行蒙特卡洛估计和降低方差的梯度。
-
新方法增强了带不等式约束的偏微分方程求解器
研究人员开发了一种新颖的求解线性偏微分方程（PDE）的方法，该方法能够纳入不等式约束，例如非负性或单调性。该方法扩展了传统的仅能处理等式约束的高斯过程求解器，通过将不等式条件直接集成到概率框架中。该方法虽然会导致非高斯后验，但仍可计算，并在各种基准测试中显示出显著的准确性和误差减少，包括泊松方程重建、期权定价和空气质量建模。
-
新的潜在跳跃模型为时间序列分析提供更快的训练速度
研究人员推出了一种新的时间序列分析框架——潜在跳跃模型（LJMs）。与依赖平滑ODE或SDE动力学的传统模型不同，LJMs包含由泊松驱动的离散事件，这些事件会导致瞬时状态转移。该模型具有状态依赖的强度和标记分布，定义了一个时间齐次的马尔可夫过程。为了训练，开发了一种新颖的事件增强路径空间证据下界（ELBO）和扫描并行变分推断（SPVI），通过在状态复现评估之前对潜在事件配置进行采样，从而实现更快、更具可扩展性的训练。
-
新框架支持离散数据原型分析 · 跟踪到2个来源
研究人员开发了一种新的原型分析（AA）框架，该框架能够有效地处理离散数据，这是对传统适用于连续数据的方法的重大改进。这种新方法支持伯努利、泊松和多项式模型，并使用具有顺序最小优化（SMO）的优化方案以提高可扩展性。该框架还包括一个交叉验证的预测似然标准，用于选择最佳原型数量，提供了一种更具原则性的模型选择方法。在RNA测序、微生物组组成和突变数据上的应用表明，它能够捕捉可解释的结构并提供稳定、有竞争力的拟合。
-
新的统计方法改进了泊松混合模型的估计
研究人员开发了一种新的非参数经验贝叶斯方法，用于估计泊松混合模型中随机变量之和。该方法利用正则化和粗粒化最小距离估计来近似未知的混合分布，并提供大样本保证，确保所得估计量收敛于最优贝叶斯估计量。该方法包括对特定求和类型的有限样本分析，建立了最小最大遗憾界限，并在混合分布的各种假设下推导了所提出程序的上限。
-
新的 S2-PINN 方法在随机偏微分方程的不确定性量化方面取得进展
研究人员开发了 S$^{2}$-PINN，这是一种用于随机偏微分方程不确定性量化_的新方法。该方法利用了可学习的高斯空间字典、傅里叶时间特征和广义多项式混沌 (gPC) 随机基，所有这些都通过低秩的 Canonical Polyadic (CP) 张量分解进行集成。S$^{2}$-PINN 使用混合损失函数进行训练，并在包括泊松、达西和 Navier-Stokes 问题在内的各种基准测试中，与九种基线方法相比，在准确性和校准方面均表现出优越性。
-
新的MTS-SLDS框架模拟多时间尺度神经动力学
研究人员开发了一个名为多时间尺度切换线性动力学系统（MTS-SLDS）的新框架，以更好地理解神经计算。该模型旨在从神经记录中识别特定状态下的潜在时间尺度，解决了传统自相关拟合方法在处理高维数据和不断变化的行为条件时的局限性。MTS-SLDS框架结合了多滞后矩初始化和状态条件下的拉普拉斯-EM推断，可以直接从学习到的潜在转移矩阵中提取特征时间尺度。使用高斯和泊松观测的合成和真实神经数据的实验表明，MTS-SLDS可以准确地恢复时间尺度和切换结构。
-
为 Moreau--Yosida 未调整 Langevin 采样建立新界限
研究人员为 Moreau--Yosida 未调整 Langevin 算法 (MYULA) 建立了近乎线性的精度界限。该分析提供了一个明确的步长条件，在该条件下，相对于 Moreau 平滑目标的不变测度偏差被限制在 \(\\widetilde O(h)\\)。这项工作结合了 Moreau 近似偏差和 Wasserstein 收缩，确定 \(\\widetilde O(\\varepsilon^{-1})\\) 次迭代足以实现 N 次迭代…
-
新的相位解包裹方法提高了图像处理精度
研究人员开发了一种新颖的平移不变基于瓦片的分段解包裹方法，该方法将频域解包裹与空间合并相结合。这种方法联合执行解包裹和噪声滤波，对逆问题进行正则化，并将误差限制在单个瓦片内。通过对网格的偏移和正方形的对称性进行加权平均，并由泊松残差加权，该方法有效地消除了瓦片伪影，并在合成数据和真实数据的实验中优于现有的最先进算法。
-
新的PCA-Net方法减少了PDE算子学习中的伪影
研究人员开发了一种名为Two-Scale Localized PCA-Net的新方法，用于学习偏微分方程（PDE）的算子。该技术将解分解为粗粒度全局分量和局部残差校正，利用紧凑的全局PCA基来表示域尺度结构，并利用非重叠的局部PCA基来表示精细尺度的残差。与现有的Localized PCA-Net方法相比，该方法显著降低了重建误差和可见伪影，同时还降低了拟合成本。
-
Towards AI 解释面向初学者的无限级数
本文为初学者提供了对无限级数的友好解释，涵盖了从部分和到泊松分布的概念。旨在为广大读者揭开复杂数学概念的神秘面纱。
-
关于Transformer在精算表格数据上的扩展性研究新发现
一篇新的研究论文探讨了精算定价中的扩展定律，比较了MLP和Transformer等表格数据模型。研究发现，虽然所有模型都随着数据的增加而改进，但像TabM这样的特定架构比标准的Transformer或MLP表现出更强的扩展性。研究表明，精算任务的有效扩展取决于架构和损失函数的设计，而简单地增加Transformer的大小带来的好处有限。
-
新的 cWGAN 方法近似复合损失模型中的后验律
研究人员开发了一种条件 Wasserstein 生成对抗网络 (cWGAN) 来近似复合损失模型中的后验律。这种方法允许单个生成器在各种先验分布下近似泊松强度和帕累托形状等参数的后验律。该方法通过基于模拟的校准、与解析后验和 MCMC 模拟的比较进行了验证，并应用于自然灾害损失数据以分析聚合尾部风险。
-
新算法解决了对抗性 Bandit 亚模组最大化问题，该问题受拟阵约束
研究人员开发了一种新的随机算法，用于在拟阵约束下进行对抗性 Bandit 单调亚模组函数最大化。该算法在 $n$ 个元素的秩为 $k$ 的拟阵上实现了 $\widetilde O(n^{1/3}k^{2/3}T^{2/3})$ 的期望遗憾，这是第一个针对具有一般拟阵约束的此类问题的亚线性遗憾算法。该方法通过将问题视为学习泊松基随机游走的交换策略来连接到上下文 Bandit，并引入了一种称为平衡分数交换的压缩技术，以实现多项式时间算法。
-
多智能体LLM交通模式与人类驱动的工作负载不同
一项新的研究论文探讨了多智能体大型语言模型（LLM）系统产生的交通模式，这些模式与传统的人类驱动工作负载有显著不同。研究发现，这些系统内的协调拓扑从根本上塑造了请求到达过程，其中扇出协调引入了双峰性。这些LLM调用的推理阶段最好用对数正态分布来描述，拒绝了泊松指数零模型的适用性。
-
使用 Frozen DINO 编码器检测 AI 图像编辑
研究人员开发了一种名为 TRAIL（Training-free Localization of AI-image Edits from patch-token Drift）的新方法，该方法使用 Frozen DINO 编码器在不需要特定本地化器模型的情况下识别图像中的操纵区域。通过分析全局扰动后 patch token 之间的余弦漂移，TRAIL 可以映射图像编辑。该方法在各种数据集和图像插值技术上显示出有希望的结果，证明 DINO …
-
新的边界密度似然方法改进了AI模型中的事件时间检测
研究人员开发了一种名为边界密度似然（BDL）的新方法，用于直接监督序列模型中的事件时间检测。该方法将目标质量分配给已标注的事件，并使用泊松目标来估计预期的事件质量，从而提高了检测精度。在一项睡眠研究中，与传统的区间分割方法相比，BDL-Hard显著提高了合并的out-of-fold mAP和严格一分钟AP。
-
图神经网络深度值由Kesten-Stigum比率决定
一篇新论文探讨了稀疏图上图神经网络的最佳深度，重点关注上下文随机块模型中的节点分类。研究表明，网络的性能取决于Kesten-Stigum比率，该比率与信号衰减和平均度相关。低于临界阈值时，增加深度收益递减；高于该阈值时，性能呈几何级数增长，尽管存在理论下限。
-
新型PiVoT跟踪器提供实时多目标检测与跟踪
研究人员开发了PiVoT，一种用于在具有挑战性的雷达应用中进行实时多目标检测与跟踪的新型变分推理方法。该方法解决了现有贝叶斯跟踪器在物体众多且环境杂乱情况下的局限性。PiVoT将检测和跟踪整合到单一流程中，高效处理目标状态、存在概率和数据关联。它在可扩展性、杂波鲁棒性和实时性能方面表现出显著改进，在无需训练的情况下达到了与深度学习基准相当的结果。
-
AI为堤防检测生成合成砂沸图像
研究人员开发了一种新颖的基于扩散的合成流程，用于生成用于检测土质堤防的合成砂沸图像。该方法利用Stable Diffusion XL，通过DreamBooth进行微调，并由多分支ControlNet控制，以根据有限的真实示例创建逼真的缺陷图像。该流程包含一个软掩码修复协议，以在重新渲染周围场景的同时保持原始缺陷像素，以及一个由分类法驱动的Prompt Atlas用于文本条件控制。该系统生成了超过1000张合成图像，其中815张通过了C…