BriefGPT - AI 论文速递
·
PAC-FNO: 并行结构全组分傅里叶神经操作器用于低质量图像识别
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文章介绍了一种名为MRA-FNO的多分辨率主动学习框架，用于提高Fourier神经运算符的学习效率。该框架采用了概率多分辨率FNO和集成蒙特卡洛方法来进行后验推断，并通过效用-成本比率最大化来选择新的示例和分辨率。该方法在多个基准运算符学习任务中展现了优势。
🎯
关键要点
- 提出了多分辨率主动学习的 FNO（MRA-FNO）框架。
- 该框架旨在降低 Fourier 神经运算符的数据成本，提高学习效率。
- 采用概率多分辨率 FNO 和集成蒙特卡洛方法开发后验推断算法。
- 使用效用 - 成本比率最大化作为采集函数获取新的示例和分辨率。
- 通过矩匹配和矩阵行列式引理实现可行、高效的效用计算。
- 该方法适用于多保真度主动学习和优化问题。
- 在多个基准运算符学习任务中展现了优势。
🏷️
标签
➡️
