实体
Volterra series
Volterra series
PulseAugur coverage of Volterra series — every cluster mentioning Volterra series across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
张量网络模型增强混沌时间序列预测能力
研究人员开发了一种新颖的张量网络模型，用于预测混沌时间序列，这项任务传统上一直具有挑战性。该方法建立在水库计算的基础上，这是一种利用动力学系统特性进行预测而无需大量调优的方法。新模型旨在克服先前方法（如截断Volterra级数）相关的指数参数增长问题，与传统的回声状态网络相比，提高了准确性和计算效率。
-
新的神经过程方法利用傅里叶和沃尔泰拉级数
研究人员开发了改进神经过程（NP）的新方法，NP 是一种用于从有限数据进行函数逼近的概率模型。他们的工作通过引入集合傅里叶卷积（SFConvs）并利用沃尔泰拉展开来解决现有平移等变神经过程的局限性。这些创新使模型能够处理具有全局感受野和线性缩放的非规则采样点，从而提供更好的可解释性和效率。