Fugu-MT 論文翻訳(概要): A Grey-box Launch-profile Aware Model for C+L Band Raman Amplification

論文の概要: A Grey-box Launch-profile Aware Model for C+L Band Raman Amplification

arxiv url: http://arxiv.org/abs/2206.12416v1
Date: Fri, 24 Jun 2022 02:07:54 GMT
ステータス: 処理完了
システム内更新日: 2022-06-28 15:33:44.285339
Title: A Grey-box Launch-profile Aware Model for C+L Band Raman Amplification
Title（参考訳）: C+Lバンドラマン増幅のためのグレイボックス起動認識モデル
Authors: Yihao Zhang, Xiaomin Liu, Yichen Liu, Lilin Yi, Weisheng Hu, Qunbi Zhuge
Abstract要約: ニューラルネットワーク(NN)と線形回帰に基づく3段階モデリング手法を提案する。純粋NN法と比較して高い精度、少ないデータ要求、低い計算複雑性がシミュレーションによって示される。
参考スコア（独自算出の注目度）: 7.916888813895724
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Based on the physical features of Raman amplification, we propose a three-step modelling scheme based on neural networks (NN) and linear regression. Higher accuracy, less data requirements and lower computational complexity are demonstrated through simulations compared with the pure NN-based method.
Abstract（参考訳）: ラマン増幅の物理的特徴に基づいて,ニューラルネットワーク(nn)と線形回帰に基づく3段階モデリング手法を提案する。純粋NN法と比較して高い精度、少ないデータ要求、低い計算複雑性がシミュレーションによって示される。

関連論文リスト

SimBa: Simplicity Bias for Scaling Up Parameters in Deep Reinforcement Learning [49.83621156017321]
SimBaは、単純さのバイアスを注入することによって、深いRLでパラメータをスケールアップするように設計されたアーキテクチャである。 SimBaでパラメータをスケールアップすることで、オフポリシー、オンポリシー、アン教師なしメソッドを含む様々なディープRLアルゴリズムのサンプル効率が一貫して改善される。
論文参考訳（メタデータ） (2024-10-13T07:20:53Z)
Rational-WENO: A lightweight, physically-consistent three-point weighted essentially non-oscillatory scheme [14.120671138290104]
我々は、解の局所的な滑らかさを正確に推定するために有理ニューラルネットワークを用いる。この手法は, 散逸を著しく低減した粒度の再構築を実現する。提案手法の有効性を,数個の1次元,2次元,3次元の流体問題に対して示す。
論文参考訳（メタデータ） (2024-09-13T22:11:03Z)
Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
論文参考訳（メタデータ） (2024-05-22T17:23:15Z)
On the Trajectory Regularity of ODE-based Diffusion Sampling [79.17334230868693]
拡散に基づく生成モデルは微分方程式を用いて、複素データ分布と抽出可能な事前分布の間の滑らかな接続を確立する。本稿では,拡散モデルのODEに基づくサンプリングプロセスにおいて,いくつかの興味深い軌道特性を同定する。
論文参考訳（メタデータ） (2024-05-18T15:59:41Z)
A Neural-Network-Based Approach for Loose-Fitting Clothing [2.910739621411222]
本稿では, リアルタイム数値アルゴリズムを用いて, ゆるやかな衣服の動的モードを近似する方法を示す。また,スキンを用いて望ましいメッシュに粗い近似を再構築する。大量のトレーニングデータを必要とするリカレントニューラルネットワークとは対照的に、QNNはトレーニングデータを大幅に少なくする。
論文参考訳（メタデータ） (2024-04-25T05:52:20Z)
Exploiting Spline Models for the Training of Fully Connected Layers in Neural Network [0.0]
人工ニューラルネットワーク(ANN)の最も基本的なモジュールの1つである完全連結(FC)層は、しばしば訓練が困難で非効率であると考えられている。 fc層を訓練することの難しさを緩和するスプラインベースアプローチを提案する。提案手法は計算コストを低減し,fc層の収束を加速し,モデルの解釈可能性を大幅に向上させる。
論文参考訳（メタデータ） (2021-02-12T14:36:55Z)
The Neural Tangent Kernel in High Dimensions: Triple Descent and a Multi-Scale Theory of Generalization [34.235007566913396]
現代のディープラーニングモデルでは、トレーニングデータに適合するために必要なパラメータよりもはるかに多くのパラメータが採用されている。この予期せぬ振る舞いを記述するための新たなパラダイムは、エンファンダブル降下曲線(英語版)である。本稿では,勾配降下を伴う広帯域ニューラルネットワークの挙動を特徴付けるニューラル・タンジェント・カーネルを用いた一般化の高精度な高次元解析を行う。
論文参考訳（メタデータ） (2020-08-15T20:55:40Z)
Provably Efficient Neural Estimation of Structural Equation Model: An Adversarial Approach [144.21892195917758]
一般化構造方程式モデル(SEM)のクラスにおける推定について検討する。線形作用素方程式をmin-maxゲームとして定式化し、ニューラルネットワーク(NN)でパラメータ化し、勾配勾配を用いてニューラルネットワークのパラメータを学習する。提案手法は,サンプル分割を必要とせず,確固とした収束性を持つNNをベースとしたSEMの抽出可能な推定手順を初めて提供する。
論文参考訳（メタデータ） (2020-07-02T17:55:47Z)
Measuring Model Complexity of Neural Networks with Curve Activation Functions [100.98319505253797]
本稿では,線形近似ニューラルネットワーク(LANN)を提案する。ニューラルネットワークのトレーニングプロセスを実験的に検討し、オーバーフィッティングを検出する。我々は、$L1$と$L2$正規化がモデルの複雑さの増加を抑制することを発見した。
論文参考訳（メタデータ） (2020-06-16T07:38:06Z)
Kernel and Rich Regimes in Overparametrized Models [69.40899443842443]
過度にパラメータ化された多層ネットワーク上の勾配勾配は、RKHSノルムではないリッチな暗黙バイアスを誘発できることを示す。また、より複雑な行列分解モデルと多層非線形ネットワークに対して、この遷移を実証的に示す。
論文参考訳（メタデータ） (2020-02-20T15:43:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。