研究者提出CNN与可学习核GP混合同化框架
热点事件持续更新
研究者提出CNN与可学习核GP混合同化框架
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Emanuele Mele等作者提出一种基于分块的深度核学习混合框架，将卷积神经网络（CNN）与可学习核高斯过程（GP）耦合。作者称，该框架能从极稀疏观测中联合完成数据同化与偏差校正。相关论文以预印本形式发布在arXiv的cs.AI分类。
AI 根据报道生成 · 2 小时前更新
最新进展11月2日 13:00
基于分块的深度核学习：用极稀疏观测做数据同化与偏差校正报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · cs.AI基于分块的深度核学习：用极稀疏观测做数据同化与偏差校正
研究者提出一种混合框架，将卷积神经网络（CNN，Convolutional Neural Network）与可学习核的高斯过程（GP，Gaussian Process）耦合，从极稀疏观测中联合完成数据同化与偏差校正。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。