TL;DR
- PDF را مشاهده کنید چکیده:.
- استنتاج بیزی مدلهای پسزمینه موج گرانشی نانوهرتز در تحلیلهای آرایه زمانبندی تپاختری اغلب به درونیابیکنندههای فرآیند گاوسی متکی.
- است تا از محاسبات کرنش-طیف محاسباتی پرهزینه و تکراری جلوگیری شود.
چه اتفاقی افتاد
PDF را مشاهده کنید چکیده:. استنتاج بیزی مدلهای پسزمینه موج گرانشی نانوهرتز در تحلیلهای آرایه زمانبندی تپاختری اغلب به درونیابیکنندههای فرآیند گاوسی متکی.
است تا از محاسبات کرنش-طیف محاسباتی پرهزینه و تکراری جلوگیری شود. با این حال، آموزش فرآیند گاوسی به یک گلوگاه برای مجموعههای آموزشی بزرگ تبدیل میشود.
ما آزمایش میکنیم که آیا شبکههای عصبی احتمالی میتوانند جایگزین فرآیندهای گاوسی در این نقش برای مدل ماده. تاریک خود تعامل و یک مدل محیطی پدیدارشناختی شوند.
ما متوجه شدیم که شبکههای عصبی پشتیهای ثابت را بازیابی میکنند در حالی که بهطور قابلتوجهی هم زمان. اجرای آموزشی و هم زنجیره مارکوف مونت کارلو را کاهش میدهند و بیشترین سود را برای مدلهای محاسباتیتر.
میخواهند. صفحه، 9 شکل کیهان شناسی و اخترفیزیک غیر کهکشانی (astro-ph.
CO)؛ تجزیه و تحلیل دادهها، آمار و احتمال (physics. data-an) استناد بهعنوان: (یا v1 [astro-ph.
CO] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:.
Chris Gordon [مشاهده ایمیل] [v1] دوشنبه،. 6 آوریل 2026،.
01:. 18:.
42 UTC (1,. 333 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.