PolyNets免训练神经仿真方法发布
热点事件持续更新
PolyNets免训练神经仿真方法发布
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Luka Todorovic 等人发布 PolyNets，一种无需训练的快速神经仿真框架：它把多项式动力学的连续时间神经表示与用于离散时间积分的简单循环网络耦合，在已知控制系数时无需训练即可保持预设数值格式，并实现高效并行仿真。 据该研究，在一维 Korteweg-de Vries 方程上，PolyNets 的精度与 CPU/GPU 有限差分 Runge-Kutta 求解器相当；在 10^6 时间步、10^4 条轨迹集合以及训练条件外的振幅下，仍保持高 GPU 吞吐。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
PolyNets：无需训练的快速神经仿真框架报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.LGPolyNets：无需训练的快速神经仿真框架
PolyNets 将多项式动力学的连续时间神经表示与离散时间积分的简单循环网络耦合，在已知控制系数时无需训练即可保持预设数值格式并实现高效并行仿真。在一维 Korteweg-de Vries 方程上，其精度与 CPU/GPU 有限差分 Runge-Kutta 求解器相当，在 10^6 时间步、10^4 轨迹集合及训练条件外的振幅下仍保持高 GPU 吞吐。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。