基于物理信息的机器学习可以以一种统一的方式无缝地整合数据和物理原理,也因此提升了机器学习的泛化性,使机器学习不再是只针对特定的某种问题有着很好的效果。

成为VIP会员查看完整内容
137

相关内容

物联网金融研究报告(2022年),50页pdf
专知会员服务
63+阅读 · 2022年1月15日
【博士论文】分形计算系统
专知会员服务
33+阅读 · 2021年12月9日
专知会员服务
87+阅读 · 2021年9月4日
专知会员服务
31+阅读 · 2020年10月13日
【IJCAI2020-华为诺亚】面向深度强化学习的策略迁移框架
专知会员服务
27+阅读 · 2020年5月25日
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
专知会员服务
29+阅读 · 2019年10月18日
2019 DR loss(样本不平衡问题)目标检测论文阅读
极市平台
11+阅读 · 2019年10月28日
在稀疏和欠明确奖励中学习泛化
谷歌开发者
6+阅读 · 2019年3月20日
Image Captioning 36页最新综述, 161篇参考文献
专知
90+阅读 · 2018年10月23日
读论文Discriminative Deep Metric Learning for Face and KV
统计学习与视觉计算组
12+阅读 · 2018年4月6日
论文笔记:PTAV
统计学习与视觉计算组
3+阅读 · 2017年9月23日
Arxiv
7+阅读 · 2019年10月6日
VIP会员
相关资讯
2019 DR loss(样本不平衡问题)目标检测论文阅读
极市平台
11+阅读 · 2019年10月28日
在稀疏和欠明确奖励中学习泛化
谷歌开发者
6+阅读 · 2019年3月20日
Image Captioning 36页最新综述, 161篇参考文献
专知
90+阅读 · 2018年10月23日
读论文Discriminative Deep Metric Learning for Face and KV
统计学习与视觉计算组
12+阅读 · 2018年4月6日
论文笔记:PTAV
统计学习与视觉计算组
3+阅读 · 2017年9月23日
微信扫码咨询专知VIP会员