会员服务
学成 · 操作 · 线性的 · 数值分析 ·
2021 年 2 月 21 日
Convergence rate of DeepONets for learning operators arising from advection-diffusion equations
翻译：倾对-扩散方程式产生的学习操作员深烟共率的趋同率
Beichuan Deng,Yeonjong Shin,Lu Lu,Zhongqiang Zhang,George Em Karniadakis
Beichuan Deng,Yeonjong Shin,Lu Lu,Zhongqiang Zhang,George Em Karniadakis

We present convergence rates of operator learning in [Chen and Chen 1995] and [Lu et al. 2020] when the operators are solution operators of differential equations. In particular, we consider solution operators of both linear and nonlinear advection-diffusion equations.


翻译：我们在[Chen和Chen 1995年]和[Lu等人 2020年]中介绍了操作者学习的趋同率,当操作者是差别方程式的溶解操作者时,我们特别考虑了线性和非线性对流-扩散方程式的溶解操作者。
0
下载
关闭预览

相关内容

哥伦比亚大学最新《机器学习》课程，Fall-B 2020 (Machine Learning)
专知会员服务
39+阅读 · 2020年11月3日
【新书】人工智能Python代码，227页pdf，Python code for Artificial Intelligence: Foundations of Computational Agents
【新书】人工智能Python代码，227页pdf，Python code for Artificial Intelligence: Foundations of Computational Agents
专知会员服务
102+阅读 · 2020年6月21日
【斯坦福】机器学习优化简明导论， Introduction to Optimization for Machine Learning
【斯坦福】机器学习优化简明导论， Introduction to Optimization for Machine Learning
专知会员服务
93+阅读 · 2020年5月6日
UC.Berkeley CS189讲义教材:《机器学习全面指南》，185页pdf
专知会员服务
162+阅读 · 2020年1月16日
【微软Alekh等开放新书】强化学习理论与算法（Reinforcement Learning:Theory and Algorithms），附83页pdf
【微软Alekh等开放新书】强化学习理论与算法（Reinforcement Learning:Theory and Algorithms），附83页pdf
专知会员服务
121+阅读 · 2019年11月24日
【新书稿：强化学习：理论与算法】《Reinforcement Learning: Theory and Algorithms》by Alekh Agarwal, Nan Jiang, Sham M. Kakade (2019)，(附83页pdf)
【新书稿：强化学习：理论与算法】《Reinforcement Learning: Theory and Algorithms》by Alekh Agarwal, Nan Jiang, Sham M. Kakade (2019)，(附83页pdf)
专知会员服务
79+阅读 · 2019年11月23日
【课程】普林斯顿大学19年春季学期《机器学习优化》课程讲义
【课程】普林斯顿大学19年春季学期《机器学习优化》课程讲义
专知会员服务
85+阅读 · 2019年10月29日
【机器学习基础最新版】（Mathematics for Machine Learning），417页pdf
【机器学习基础最新版】（Mathematics for Machine Learning），417页pdf
专知会员服务
244+阅读 · 2019年10月21日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
36+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
159+阅读 · 2019年10月12日
元迁移学习的小样本学习，Meta-transfer Learning for Few-shot Learning，33页ppt
元迁移学习的小样本学习，Meta-transfer Learning for Few-shot Learning，33页ppt
专知
71+阅读 · 2020年2月29日
深度学习注意力机制-Attention in Deep learning-附101页PPT
深度学习注意力机制-Attention in Deep learning-附101页PPT
专知
139+阅读 · 2019年9月23日
局部学习的特征选择：Local-Learning-Based Feature Selection
局部学习的特征选择：Local-Learning-Based Feature Selection
我爱读PAMI
14+阅读 · 2019年9月20日
普林斯顿大学19年春季学期《机器学习优化》课程讲义
普林斯顿大学19年春季学期《机器学习优化》课程讲义
专知
12+阅读 · 2019年6月13日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
29+阅读 · 2019年5月18日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Andrew NG的新书《Machine Learning Yearning》
Andrew NG的新书《Machine Learning Yearning》
我爱机器学习
11+阅读 · 2016年12月7日
Optimal Convergence of the Discrepancy Principle for polynomially and exponentially ill-posed Operators under White Noise
Arxiv
0+阅读 · 2021年4月13日
ENOS: Energy-Aware Network Operator Search for Hybrid Digital and Compute-in-Memory DNN Accelerators
Arxiv
0+阅读 · 2021年4月12日
Successive finite element methods for Stokes equations
Arxiv
0+阅读 · 2021年4月12日
A Kernel-free Boundary Integral Method for the Bidomain Equations
Arxiv
0+阅读 · 2021年4月11日
Convergence analysis of numerical schemes for the Darcy-Forchheimer problem
Arxiv
0+阅读 · 2021年4月10日
A least-squares Galerkin approach to gradient and Hessian recovery for nondivergence-form elliptic equations
Arxiv
0+阅读 · 2021年4月10日
Finite element error analysis for a system coupling surface evolution to diffusion on the surface
Arxiv
0+阅读 · 2021年4月10日
A Dual-Mixed Approximation for a Huber Regularization of the Herschel-Bulkey Flow Problem
Arxiv
0+阅读 · 2021年4月9日
Charge-conserving hybrid methods for the Yang-Mills equations
Arxiv
0+阅读 · 2021年4月8日
Neural Ordinary Differential Equations
Arxiv
6+阅读 · 2018年10月3日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
学成
操作
线性的
数值分析
相关VIP内容
哥伦比亚大学最新《机器学习》课程，Fall-B 2020 (Machine Learning)
专知会员服务
39+阅读 · 2020年11月3日
【新书】人工智能Python代码，227页pdf，Python code for Artificial Intelligence: Foundations of Computational Agents
【新书】人工智能Python代码，227页pdf，Python code for Artificial Intelligence: Foundations of Computational Agents
专知会员服务
102+阅读 · 2020年6月21日
【斯坦福】机器学习优化简明导论， Introduction to Optimization for Machine Learning
【斯坦福】机器学习优化简明导论， Introduction to Optimization for Machine Learning
专知会员服务
93+阅读 · 2020年5月6日
UC.Berkeley CS189讲义教材:《机器学习全面指南》，185页pdf
专知会员服务
162+阅读 · 2020年1月16日
【微软Alekh等开放新书】强化学习理论与算法（Reinforcement Learning:Theory and Algorithms），附83页pdf
【微软Alekh等开放新书】强化学习理论与算法（Reinforcement Learning:Theory and Algorithms），附83页pdf
专知会员服务
121+阅读 · 2019年11月24日
【新书稿：强化学习：理论与算法】《Reinforcement Learning: Theory and Algorithms》by Alekh Agarwal, Nan Jiang, Sham M. Kakade (2019)，(附83页pdf)
【新书稿：强化学习：理论与算法】《Reinforcement Learning: Theory and Algorithms》by Alekh Agarwal, Nan Jiang, Sham M. Kakade (2019)，(附83页pdf)
专知会员服务
79+阅读 · 2019年11月23日
【课程】普林斯顿大学19年春季学期《机器学习优化》课程讲义
【课程】普林斯顿大学19年春季学期《机器学习优化》课程讲义
专知会员服务
85+阅读 · 2019年10月29日
【机器学习基础最新版】（Mathematics for Machine Learning），417页pdf
【机器学习基础最新版】（Mathematics for Machine Learning），417页pdf
专知会员服务
244+阅读 · 2019年10月21日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
36+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
159+阅读 · 2019年10月12日
热门VIP内容
相关资讯
元迁移学习的小样本学习，Meta-transfer Learning for Few-shot Learning，33页ppt
元迁移学习的小样本学习，Meta-transfer Learning for Few-shot Learning，33页ppt
专知
71+阅读 · 2020年2月29日
深度学习注意力机制-Attention in Deep learning-附101页PPT
深度学习注意力机制-Attention in Deep learning-附101页PPT
专知
139+阅读 · 2019年9月23日
局部学习的特征选择：Local-Learning-Based Feature Selection
局部学习的特征选择：Local-Learning-Based Feature Selection
我爱读PAMI
14+阅读 · 2019年9月20日
普林斯顿大学19年春季学期《机器学习优化》课程讲义
普林斯顿大学19年春季学期《机器学习优化》课程讲义
专知
12+阅读 · 2019年6月13日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
29+阅读 · 2019年5月18日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Andrew NG的新书《Machine Learning Yearning》
Andrew NG的新书《Machine Learning Yearning》
我爱机器学习
11+阅读 · 2016年12月7日
相关论文
Optimal Convergence of the Discrepancy Principle for polynomially and exponentially ill-posed Operators under White Noise
Arxiv
0+阅读 · 2021年4月13日
ENOS: Energy-Aware Network Operator Search for Hybrid Digital and Compute-in-Memory DNN Accelerators
Arxiv
0+阅读 · 2021年4月12日
Successive finite element methods for Stokes equations
Arxiv
0+阅读 · 2021年4月12日
A Kernel-free Boundary Integral Method for the Bidomain Equations
Arxiv
0+阅读 · 2021年4月11日
Convergence analysis of numerical schemes for the Darcy-Forchheimer problem
Arxiv
0+阅读 · 2021年4月10日
A least-squares Galerkin approach to gradient and Hessian recovery for nondivergence-form elliptic equations
Arxiv
0+阅读 · 2021年4月10日
Finite element error analysis for a system coupling surface evolution to diffusion on the surface
Arxiv
0+阅读 · 2021年4月10日
A Dual-Mixed Approximation for a Huber Regularization of the Herschel-Bulkey Flow Problem
Arxiv
0+阅读 · 2021年4月9日
Charge-conserving hybrid methods for the Yang-Mills equations
Arxiv
0+阅读 · 2021年4月8日
Neural Ordinary Differential Equations
Arxiv
6+阅读 · 2018年10月3日
Top
微信扫码咨询专知VIP会员
Top