Georgia Institute of Technology（佐治亚理工学院）

Variationally correct operator learning: Reduced basis neural operator with a posteriori error estimation

变分正确的算子学习：带有后验误差估计的降阶神经算子

Yuan Qiu, Wolfgang Dahmen, Peng Chen

机构 * School of Computational Science and Engineering（计算科学与工程学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Department of Mathematics（数学系） ； University of South Carolina（南卡罗来纳大学） 纠错

AI总结 本文提出一种变分正确的降阶神经算子，通过FOSLS目标函数和后验误差估计提升PDE兼容性，实现高效准确的算子学习。

Physics-Informed Inference Time Scaling for Solving High-Dimensional PDE via Defect Correction

物理信息推理时间缩放：通过缺陷修正求解高维PDE

Zexi Fan, Yan Sun, Shihao Yang, Yiping Lu

机构 * Peking University（北京大学） ； Visa Inc.（Visa公司） ； Georgia Institute of Technology（佐治亚理工学院） ； Northwestern University（西北大学） 纠错

AI总结 SCaSML通过缺陷修正方法提高高维PDE求解的精度和效率，减少替代模型误差20-80%

Explicit Group Sparse Projection with Applications to Deep Learning and NMF

显式组稀疏投影及其在深度学习和NMF中的应用

Riyasat Ohib, Nicolas Gillis, Niccolò Dalmasso, Sameena Shah, Vamsi K. Potluru, Sergey Plis

机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Mons（蒙斯大学） ； J.P. Morgan AI Research（摩根大通AI研究） ； TReNDS Center（TReNDS中心） 纠错

AI总结 本文提出了一种显式组稀疏投影方法，用于在深度学习和NMF中实现高稀疏度模型，提高了图像数据集上的学习性能和模型准确性。

Comments 20 pages, 10 figures; major revisions; affiliation corrected, grant added

Journal ref Transactions on Machine Learning Research (TMLR), 2022