AITOPAI热报
今日精选全部动态早读东盟 AIAgent 接入我的简报我的追踪阅读偏好内容方法关于更新日志信源提报反馈
外观
登录 / 注册
AITOPAI热报

ODE

共 3 条相关 AI 资讯
9月3日
12:09
12:09官方账号arXiv cs.LG@Alessio Spurio Mancini
精选73°
GRADSOLVE是一个开源JAX库,专为在NVIDIA GPU上求解和反向微分低维ODE集合而设计。该库记录自适应求解器接受的步骤,并对固定步长重放进行微分,返回精确的离散伴随梯度。在三种GPU代际上,GRADSOLVE的梯度计算速度比Diffrax的检查点伴随方法快5.6-14.1倍,前向求解速度比DiffEqGPU.jl快2.8倍。
论文GRADSOLVEJAXODE
事件专题

推荐理由:GRADSOLVE解决了ODE集合在GPU上求解与反向微分速度不匹配的问题,大幅提升计算效率。
原文
9月1日
09:15
09:15官方账号arXiv cs.AI@Di Zhang, Jingyang Zhang, Ziqian Wang, Chi Zhang, Yikun Ban, Ziwei Zhang, Ruijie Wang
精选73°
LLMODE是一种用于不规则时空预测的令牌高效框架,使用冻结的LLM主干网络。该方法首先使用图感知ODE编码器将不规则图观测重建为连续时间潜在轨迹,然后通过固定预算Perceiver重采样器将可变长度轨迹压缩为固定数量的动态记忆令牌。实验在三个真实城市数据集和两个物理动力学基准上展示了竞争力,在稀疏或动态复杂的不规则采样条件下优势更明显。
论文LLMODEODELLM

推荐理由:LLMODE解决了LLM处理不规则时空观测的难题,通过双源门控交叉注意力将外部时空证据注入冻结LLM。
原文
6月26日
10:23
10:23官方账号arXiv cs.LG@Yang Pan, Helmut Bölcskei
本文引入解集上的Hausdorff距离作为比较微分方程的自然度量,该度量捕捉两个方程在所有初始条件下的最坏情况分离,从而编码了识别问题的极小极大结构。作者建立了线性和非线性(Lipschitz/Hölder连续向量场)ODE的可识别性边界,明确了何时能从解数据中区分两个不同方程。利用该度量,推导了相关ODE类的度量熵估计,并量化了可靠恢复控制方程所需解观测的样本复杂度界限。
论文ODE可识别性Hausdorff距离

推荐理由:这篇论文给了你从数据识别ODE的理论底线,告诉你最少需要多少观测才能唯一确定方程,做科学机器学习的必读。
原文
精选动态早读东盟登录