arXiv · ML· Bamdad Hosseini, Alexander Hsu, Yasamin Jalalian, Juan Felipe Osorio Ramirez, Houman Owhadi·· 3 小时前AI 评分21
数据高效核方法学习微分方程及其解算子：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
提出一种新颖的基于核的框架，用于学习微分方程及其解映射。该方法在观测状态数量及每个状态的数据量方面具有数据高效性，并采用高效的 Gauss-Newton 型优化算法以提升训练精度和速度。 理论保证了量化最坏情况误差界，且可在平滑性假设下扩展至后续解算子。数值基准测试显示，与某些最先进算法相比，计算复杂度和鲁棒性显著提升，精度提高 1 至 2 个数量级。
来源：arXiv · ML · arxiv.org