提交多分辨率Transformer DeepONet论文
热点事件持续更新
提交多分辨率Transformer DeepONet论文
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Sibo Cheng提交了《Beyond Affine Reconstruction: Multi-Resolution Transformer DeepONets for the Radiative Transfer Equation》，论文提出一种面向辐射传输方程的多分辨率Transformer DeepONet，可处理不同空间分辨率输入，无需统一网格重采样，并进行非仿射重构。 在二维池火数据实验中，该方法用更少可训练参数预测辐射强度和入射辐射，表现优于自编码器式DeepONet；在包含三种空间分辨率的数据集上也都取得了精度优势。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
超越仿射重构：用于辐射传输方程的多分辨率 Transformer DeepONets报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine Learning超越仿射重构：用于辐射传输方程的多分辨率 Transformer DeepONets
研究提出面向辐射传输方程（RTE）的多分辨率 Transformer DeepONet，借助 Perceiver 编码器和交叉注意力解码器处理不同空间分辨率输入，无需统一网格重采样即可进行非仿射重构。二维池火数据实验中，该方法以更少可训练参数预测辐射强度和入射辐射时优于自编码器式 DeepONets，并在包含三种空间分辨率的数据集上均表现出精度优势。
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。