11:57
官方账号arXiv cs.AI@Tom Stent, Nicolas Boullé
精选
推荐理由：这篇论文提出了一种新的神经算子不确定性量化方法，在达西流和纳维-斯托克斯方程实验中表现优异。
Darcy流
共 1 条相关 AI 资讯
8月31日
11:57
研究人员开发了分割保形框架，为神经算子输出提供校准点带，确保在至少1-γ比例的评估域内包含真实解，置信度为1-α。该方法将归一化残差场降至空间(1-γ)分位数，并使用保留的校准数据集计算缩放因子。在达西流和纳维-斯托克斯方程的数值实验中，该方法校准产生的带状区域比现有校正方法更紧致，同时保持目标覆盖率。