本研究提出了一种新颖的插拔式朗之万取样方法，针对低光子泊松成像问题，结合边界反射和泊松似然近似，提高了成像模型的准确性与稳定性。

该研究提出了一种加权泊松盘重采样方法，有效解决了大规模点云处理中点数量与几何一致性的平衡问题，显著提升了重采样的效率和准确性，具有实际应用价值。

本文提出了一种新方法，解决泊松回归中的数据抽样效率问题。通过引入复杂度参数和领域转移，显著降低了对输入参数的依赖，尤其在处理ID链接和平方根链接时，提供了新的界限和影响。

提出了一种名为 Neural Walk-on-Spheres（NWoS）的新型神经 PDE 求解器，用于高维 Poisson 方程的高效求解。通过利用随机表示和 Walk-on-Spheres 方法，基于球内泊松方程的递归求解，我们开发了用于神经网络的新型损失函数。该方法具有高度的可并行性，且不需要损失函数的空间梯度。通过与基于 PINNs，Deep Ritz...

本文介绍了一种新型架构P-VAE，结合了预测编码和离散脉冲计数，通过实证验证了与稀疏编码的关系。P-VAE以相对较高的维度对输入进行编码，提高了下游分类任务的样本效率。这项工作为研究类脑感觉处理提供了一个可解释的计算框架。

该论文提出了一种构建泊松积分器的通用方法，这些积分器能够保持基础泊松几何的特性。通过将泊松微分同胚和拉格朗日子段的对应关系应用于泊松积分器的设计，我们将该方法重新表述为解决某种偏微分方程（Hamilton-Jacobi）的问题。该研究的主要创新在于将 Hamilton-Jacobi 偏微分方程理解为一种优化问题，其解可以通过机器学习相关技术轻松近似。这一研究方向与当前 PDE...

该文章介绍了数值高斯过程的概念，通过对时间依赖偏微分方程进行时间离散化来定义。该方法可以处理只能观测到初始条件的噪声数据，并量化与这些噪声数据相关的不确定性。经过多个基准测试问题的验证，该方法的有效性得到了证明。

本教程介绍了泊松离散分布的基本概念和特征，以及如何使用Python计算概率、生成和绘制泊松分布。

本文提出了一种基于高斯Cox过程的最大后验推断方法，通过引入Laplace近似和核函数转换技术，在新的再生核希尔伯特空间中更易于计算，扩展了功能后验和后验的协方差。提出了基于高斯Cox过程模型的贝叶斯优化框架，并开发了一种高效计算的Nyström近似方法。在合成和实际数据集上的评估表明，与现有解决方案相比，本方法在高斯Cox过程模型设计的贝叶斯优化中取得了显著改进。

本文研究了多层网络的聚类网络的基本极限，并提出了一种新型两阶段网络聚类方法。实验证明该方法优于现有方法，并将其扩展到离散分布混合中，达到离散混合中的最小极大聚类错误率。

研究提出一种机器学习模型，通过扩散模型预测近距离接触物体位置不确定性，尤其提高对次要物体（如碎片）的预测准确性，与现有技术相比，可大幅提升航天器安全性和效率。

本文介绍了一种基于物理学信息神经网络（PINN）的方法，用于解决没有标注数据的弹性动力学建模问题。该方法解决了弱正则化PINN框架下复杂的I/BCs问题，并在多个数值弹性例子中展示了其可行性。

该文介绍了一种新的方法，可以从大规模、稀疏且带噪声的点云中重建三维隐式表面。该方法采用神经内核场表示法，能够高效地处理不同尺度物体和场景混合训练数据的情况，并在重建基准测试中取得了最先进的结果。

本文作者：叶钫，南京大学数学系 0 引言 对保险人而言，资产和负债是影响保险人稳定经营至关重要的因素。资产和负债的差额称为盈余，简记作： $$U(t)=A(t)-L(t),t>0$$ 其中$A(t)$表示时刻$t$的资产，$L(t)$表示时刻$t$的负债，$t=0$时刻的盈余被称为初始盈余，简记为$u$，即$U(0)=u$。对这个初步的理论模型进行简化并根据实际情况设置一些假定情况，会得出...

本文作者为中国人民大学统计学院饶燕芳同学，由COS编辑部审核发表，略有修改。点击此处下载/阅读本文PDF版本 一、问题的引出 在数据分析和数据建