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

Sequential Bayesian Optimal Experimental Design in Infinite Dimensions via Policy Gradient Reinforcement Learning

通过策略梯度强化学习实现无限维下的序列贝叶斯最优实验设计

Kaichen Shen, Peng Chen

机构 * School of Mathematics, Georgia Institute of Technology（数学系，佐治亚理工学院） ； School of Computational Science and Engineering, Georgia Institute of Technology（计算科学与工程系，佐治亚理工学院） 纠错

AI总结 本文提出了一种基于策略梯度强化学习的方法，用于在无限维空间中实现序列贝叶斯最优实验设计，通过维度缩减和神经算子替代模型实现了高效的实验设计策略，显著提升了计算效率和物理可解释性。

From Small to Large: Generalization Bounds for Transformers on Variable-Size Inputs

从小到大：变换器在可变大小输入上的泛化界限

Anastasiia Alokhina, Pan Li

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

AI总结 本文提出了一种理论框架，用于分析变换器在可变大小输入上的泛化界限，通过采样密度和数据流形的内在维数确定误差界，并通过实验验证了理论的准确性。