כתבה
arXiv cs.LG ·
למידה בלי סימולציה של דינמיקות קהילה עם נוזלי ואסטרסטיין
Simulation-Free Learning of Population Dynamics with Wasserstein Lagrangian Residuals
אורחות ללמידה בלי סימולציה של דינמיקות קהילה, עם נוזלי ואסטרסטיין. המחברים הציגו את Double-Stitch, שהוא גישה חדשה ללמידה של דינמיקות קהילה. הם הציגו ניסויים על נתוני סינתטיים, תאים יחידים וסערה ימית, ומצאו ש-Double-Stitch מתאים או משפר את גישות זרימה-גרדיאנטיות ו-WLM. Double-Stitch ניתן להורדה ב-https://github.com/BasisResearch/stitching.
תקציר מקורי באנגליתarXiv:2610.03679v1 Announce Type: new Abstract: The dynamics of cells, organisms, and fluids are often modeled as probability distributions evolving over time. Reconstructing and extrapolating this evolution from unpaired snapshots requires assumptions about the underlying process. Wasserstein gradient flows are a common choice, but they cannot describe conservative or periodic dynamics. Lagrangian mechanics in Wasserstein space covers both, but existing methods for learning it are simulation-based: they run a numerical solver at every training step, which makes training expensive. We propose Double-Stitch, a simulation-free method that learns these mechanics by penalizing the residual of the equation of motion along a learned population path. We derive this equation from a Clebsch variati
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית