标签

 神经网络 

相关的文章:

本列表页提供了关于神经网络优化算法、模型和应用的研究综述,包括PINN-BO、HEANA、PowerGraph等多个相关论文的介绍和研究成果。

BriefGPT - AI 论文速递 -

基于微观结构的图神经网络用于加速多尺度模拟

利用并行多尺度模型比单尺度模拟可以更准确地模拟先进材料的力学响应,但是计算成本是该方法实际应用的障碍。本研究提出了一种备选的代理建模策略,允许保持问题的多尺度特性,并可与有限元求解器交替使用。通过使用图神经网络 (GNN) 预测完全场微观应变,并保留微观本构材料模型以获得应力,我们在弹塑性材料上实现了这一点。这种基于数据和物理的图形方法避免了预测完全场响应所产生的高维度,并允许非局部性产生。通过对各种网格进行训练,GNN 学习了对未见过的网格的泛化,使单个模型可以用于一系列的微结构。GNN 中嵌入的微观本构模型隐式地跟踪历史依赖变量,并提高了准确性。我们证明了对于几个具有挑战性的情景,代理模型能够预测复杂的宏观应力 - 应变路径。由于我们的方法的计算时间与微结构中的元素数量相比的呈良好的缩放规律,因此我们的方法可以显著加速 FE2 模拟。

本研究提出了一种备选的代理建模策略,使用图神经网络预测微观应变并保留本构材料模型以获得应力,实现了对先进材料力学响应的准确模拟。该方法避免了高维度和非局部性问题,计算时间缩放规律良好,可加速FE2模拟。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

神经网络扩散

扩散模型以及自动生成的神经网络参数,通过混合使用自动编码器和标准潜在扩散模型,从训练网络参数的随机噪声中合成潜在参数表示,并生成具有可用性的新的网络参数子集,从而稳定地提升性能。

通过深度生成模型,特别是深度扩散模型,合成DNA序列在合成生物学领域有新前景。提出了一种新的潜在扩散模型(DiscDiff),通过将离散DNA序列嵌入连续的潜在空间,使用自编码器生成离散数据。DiscDiff模型能生成与真实DNA序列在Motif分布、潜在嵌入分布(FReD)和染色质剖面方面相符的合成DNA序列。贡献了一个包含15个物种的15万个唯一启动子-基因序列的全面跨物种数据集。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

神经网络水印的信息容量再审:上限估计及其它

用信息理论的角度研究了深度神经网络水印的容量,提出了类似于信道容量的新定义,并设计了一种算法来紧密估计其上界,同时提出了一种通用的非侵入式方法来保证身份信息的传输安全。

研究了深度神经网络水印的容量,并提出了一种新的定义和算法来估计其上界,同时提出了一种非侵入式方法来保证身份信息的传输安全。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

GRAPHGINI:在图神经网络中促进个体和群体的公平性

我们提出了 GRAPHGINI 方法,通过 GNN 框架中可学习的注意分数来实现个体公平,并通过基于启发式的最大纳什社会福利约束保证最大可能的群体公平,该方法在实验中显示出在维持效用和群体平等的情况下,在个体公平方面相比其他最先进的方法有显著改进。

研究人员提出了一种名为GRAPHGINI的方法,通过学习注意分数来实现个体公平,并通过最大纳什社会福利约束保证群体公平。实验结果显示,该方法在维持效用和群体平等的情况下,在个体公平方面相比其他方法有显著改进。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

关于深度复合高斯神经网络的泛化界限

通过边界限制 Rademacher 复杂度,我们为一类来自复合高斯先验的展开深度神经网络开发了新颖的泛化误差边界,可在信号维度和网络规模方面进行评估。

该论文提出了一种基于PGD算法的图像修复方法,称为DGUNet。通过集成梯度估计策略和设计跨不同PGD迭代中Proximal mapping的中间信息通路,实现对复杂和现实世界图像的修复。实验结果表明,该方法在各种图像修复任务中的性能、可解释性和通用性优于现有方法。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

图神经网络是否能够成为 LLMs 的好适配器?

本文研究了如何利用大型语言模型(LLMs)对文本属性图(TAGs)进行建模,并提出了一种名为 GraphAdapter 的框架,它使用图神经网络(GNN)作为高效的适配器。经过多项实验证明,GraphAdapter 在节点分类任务中相比以前的方法提高了约 5%,同时还适用于其他语言模型,包括 RoBERTa 和 GPT-2。

本研究提出了使用大型语言模型和图模型相结合的方法来学习文本属性图,解决可扩展性、成本和隐私问题,并通过教授解释器来弥补大型语言模型和图模型之间的差距。实验证明该方法有效。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

面向计算内存硬件的深度神经网络架构和配置的联合优化

使用 CiMNet 框架,通过同时搜索最优子网络和硬件配置来创建下游任务准确性和执行指标(如延迟)的帕累托最优前沿,该框架对于 CNN 和 Transformer 系列的不同模型结构都展现了显著的效果。

使用CiMNet框架,通过搜索最优子网络和硬件配置,创建下游任务准确性和执行指标的帕累托最优前沿。该框架对CNN和Transformer系列模型结构都有显著效果。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

TESS 全幅图像光变曲线中的短周期变量通过卷积神经网络识别

通过卷积神经网络,该论文提供了一种高效、高性能的方法,能够在大规模存档搜索中进行预测和识别短周期变量,从而揭示了短周期主序双星和 Delta Scuti 星等两个主要种群的特征。

本文介绍了一种基于深度学习的方法来测量小行星的径向速度,通过降低恒星的谱线的抖动。作者设计了多种神经网络体系结构,并发现多行CNN能够实现较高的精度。这种方法有望实现对小行星径向速度的准确探测。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

递归神经网络的梯度下降的收敛性:非渐近分析

我们分析了在有监督学习环境下使用梯度下降法训练的递归神经网络在动态系统中的表现,并证明了在没有大量过参数化的情况下,梯度下降法可以实现最优性。我们深入的非渐近分析 (i) 以序列长度 $T$、样本大小 $n$ 和环境维度 $d$ 为条件给出了网络大小 $m$ 和迭代复杂性 $au$ 的精确界限,(ii) 显示了动态系统中长期依赖对收敛性和以激活函数的李普希茨连续性界限所刻画的网络宽度界限的显著影响,该界限依赖于激活函数的李普希茨连续性。值得注意的是,这个分析揭示了一个适当初始化的使用 $n$ 个样本进行训练的递归神经网络可以在网络大小 $m$ 的低次对数尺度下实现最优性。这与之前的工作形成鲜明对比,前者需要 $m$ 对 $n$ 的高阶多项式依赖来建立强正则条件。我们的结果基于对递归神经网络能够逼近和学习的动态系统类的明确描述,通过约束范数的传输映射,并且通过建立隐藏状态相对于可学习参数的局部平滑性属性来实现。

在有监督学习环境下使用梯度下降法训练的递归神经网络在动态系统中表现良好,可以实现最优性。通过非渐近分析,我们得出了网络大小和迭代复杂性的界限,并发现长期依赖对网络宽度界限有显著影响。适当初始化的递归神经网络可以在低次对数尺度下实现最优性。这些结果基于对动态系统类的明确描述,并通过约束范数的传输映射和隐藏状态的局部平滑性属性实现。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

全可微分的拉格朗日卷积神经网络用于一致性连续物理引导的降水即时预测

该论文提出了一种卷积神经网络模型,用于在降雨预报中将数据驱动学习与物理知识相结合。我们提出了 LUPIN,一种拉格朗日双 U-Net 物理驱动预报模型,它借鉴了现有的基于外推的预报方法,并以完全可区分和 GPU 加速的方式实现了数据的拉格朗日坐标系统转换,以实现实时的端到端训练和推理。根据我们的评估,LUPIN 与所选基准模型的表现相匹配并超出,为其他拉格朗日机器学习模型提供了机会。

相关推荐 去reddit讨论

热榜 Top10

...
天勤数据
...
Dify.AI
...
白鲸技术栈
...
eolink
...
LigaAI
...
ShowMeBug
...
观测云

推荐或自荐