A PAC-Bayesian View of Generalisation for Physics-Informed Machine Learning
Signal
78
Hype
15
En 3 lignesCadre PAC-Bayésien pour l'apprentissage informé par la physique (PIML) intégrant les équations différentielles partielles. Fournit des garanties de généralisation haute probabilité avec pertes non bornées via perspective multi-tâche. Bornes non-vacueuses validées sur benchmarks PDE standards.Lire la source
Ton avis ?
Résumé généré par Claude — vérifié par l'humain