arXiv stat.ML· Bamdad Hosseini, Alexander Hsu, Yasamin Jalalian, Juan Felipe Osorio Ramirez, Houman Owhadi·· 2 小时前AI 评分33
用于学习微分方程及其解算子的高数据效率核方法：算法与误差分析
Data-Efficient Kernel Methods for Learning Differential Equations and Their Solution Operators: Algorithms and Error Analysis
AI 导读
研究者提出了一种用于学习微分方程及其解算子的高数据效率核方法框架，显著降低了状态观测与样本数据需求。该框架在训练中引入高斯-牛顿型优化算法以提升精度与速度，并提供了量化的最坏情况误差界理论保证。数值基准测试显示，该方法改善了计算复杂度和鲁棒性，精度相比部分 SOTA 算法提升了 1 至 2 个数量级。
来源：arXiv stat.ML · arxiv.org