arXiv 机器学习· Bamdad Hosseini, Alexander Hsu, Yasamin Jalalian, Juan Felipe Osorio Ramirez, Houman Owhadi·· 13 時間前AI スコア33
用于学习微分方程及其解算子的数据高效核方法：算法与误差分析
Data-Efficient Kernel Methods for Learning Differential Equations and Their Solution Operators: Algorithms and Error Analysis
未翻訳のため中国語で表示しています。
AI ガイド
研究团队提出一种用于学习微分方程及其解映射的新型核方法框架，大幅降低了对观测状态数及单状态数据量的需求。该方案结合高效的 Gauss-Newton 类优化算法，并提供严格的最坏情况定量误差界理论保证。数值基准测试表明，该方法显著改善了计算复杂度与鲁棒性，精度相比部分 SOTA 算法提升了 1 到 2 个数量级。
出典：arXiv 机器学习 · arxiv.org