arXiv · Machine Learning· Tomoki Koike, Benjamin Peherstorfer, Elizabeth Qian·· 9 小时前AI 评分34
Greedy-OPM：用于降维与降阶建模的 Lipschitz 控制贪心正交多项式流形方法
Greedy Orthogonal Polynomial Manifolds with Lipschitz Control for Dimensionality Reduction and Reduced Modeling
AI 导读
研究提出 Greedy-OPM，以训练数据上正交的特征表示多项式解码器，并联合选择编码器模态与多项式特征，在解码器 Lipschitz 常数受限时最小化重建误差。数值实验显示，该约束在保持较高重建精度的同时，改善了模型对训练数据之外区域的泛化。
来源：arXiv · Machine Learning · arxiv.org