Компьютерные науки > Машинное обучение [представлено 5 октября 2026 года] Название: Neural Fields Encycloped Advention Geotegraphic View PDF HTML (экспериментальный) Резюме: Невральные поля обычно оцениваются по тому, насколько хорошо они реконструируют наблюдение. Мы показываем, что в этом случае не хватает двух полезных свойств установленной сети: насколько легко она может адаптироваться к новым наблюдениям и какие веса сохраняются у нее от предыдущих. Мы изучаем эти свойства как адаптационную геометрию. Для изображений мы учимся инициализации для конкретного класса, адаптируем каждый к новому имиджу и измеряем, как сильно сеть должна измениться, чтобы подобрать его. Простая местная линейная модель близко предсказывает эту адаптационную стоимость, заменяя при этом тангенсовое ядро одной сети другим значительно ухудшая прогноз. Таким образом, адаптация зависит от геометрии локальной сети, а не только от ее нынешней реконструкции. Что касается физических полей, то мы неоднократно подключаем одну и ту же сеть к наблюдениям из последовательности. Затем в его весе хранится информация об этой истории. Когда две волновые истории заканчиваются точно таким же наблюдением, окончательные весы восстанавливают сигнал скорости волны с точностью 68,6%, в то время как только текущее наблюдение не содержит такой информации и дает 50%. Эти два явления в количественном отношении взаимосвязаны: тангенсно-ядерные эйгеновые значения предсказывают, какие изменения легко узнать и как быстро они…
Невральные поля Код Адаптация Геометрия
arXiv: 2610,07253v 1 Annualce Type: New Humber Abstract: Neural Piles обычно оценивается по тому, насколько хорошо они реконструируют наблюдение. Мы показываем, что в этом случае не хватает двух полезных свойств установленной сети: насколько легко она может адаптироваться к новым наблюдениям и какие веса сохраняются у нее от предыдущих. Мы изучаем эти свойства как адаптационную геометрию. Для изображений мы учимся инициализации для конкретного класса, адаптируем каждый к новому имиджу и измеряем, как сильно сеть должна измениться, чтобы подобрать его. Простая местная линейная модель близко предсказывает эту адаптационную стоимость, заменяя при этом тангенсовое ядро одной сети другим значительно ухудшая прогноз. Таким образом, адаптация зависит от геометрии локальной сети, а не только от ее нынешней реконструкции. Что касается физических полей, то мы неоднократно подключаем одну и ту же сеть к наблюдениям из последовательности. Затем в его весе хранится информация об этой истории. Когда история двух волн заканчивается с точно одним и тем же наблюдением, окончательные весы возвращают знак о
