智能AI
morning
L-FNO：随机事件动力学洛伦兹傅立叶神经算子
摘要
arXiv:2608.13562v1 Announce Type: new Abstract: Modern operational systems face uncertainty even in routine conditions, where rare, bursty, and self-exciting events emerge from both exogenous covariat...
and
event
neural
FNO
likelihood
for
operator
based
rare
dynamics
2026-08-17
1 阅读
约1分钟阅读
Songhee Kang, Jihoon Kang
字号:
arXiv:2608.13562v1 公告类型：新 摘要：即使在常规条件下，现代操作系统也面临着不确定性，在常规条件下，外生协变量和内生事件动态都会出现罕见、突发和自激事件。标准神经算子通常被训练为回归式函数到函数模型，而不是条件强度估计器，这限制了它们对稀疏事件机制的适用性。我们引入了洛伦兹傅立叶神经算子 (L-FNO)，这是一种随机神经算子，它结合了 FNO 式协变量路径、用于历史相关激励的洛伦兹谱核以及基于似然的训练目标。我们在八个综合点过程基准和三个涵盖疾病爆发预测和半导体故障或缺陷检测的真实数据集上评估 L-FNO。与基于回归和似然的神经算子基线相比，L-FNO 改进了事件似然、校准诊断和罕见事件检测。这些结果表明，结构化谱记忆和基于可能性的学习为随机事件动力学的神经算子模型提供了有效的归纳偏差。
这篇文章对您有帮助吗？
订阅66必读
每日精选科技资讯，直达你的邮箱