Greedy-OPM 提出 Lipschitz 约束降维方法
热点事件持续更新
Greedy-OPM 提出 Lipschitz 约束降维方法
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Tomoki Koike、Benjamin Peherstorfer 和 Elizabeth Qian 提交论文，提出 Greedy-OPM，用于降维与降阶建模；该方法在解码器 Lipschitz 常数受限时，联合选择编码器模态和多项式特征，以降低重建误差。 论文称，数值实验中，这一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。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
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报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningGreedy-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
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。
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。