LEARNING
物理序列建模中的误泛化机制
Kento Nishi, Raphael Tang, Karun Kumar, Core Francisco Park, Hidenori Tanaka
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文揭示了在物理序列建模中，标准深度学习可能导致生成轨迹的聚合分布偏离预期物理量（如距离、能量）的现象，称为物理误泛化。通过分析局部误差传播机制并引入数据偏差核，作者能够预测分布偏移并提出了基于核的干预策略。
关键词
misgeneralizationphysical sequence modelinggenerative modelsdistribution shiftdata deviation kernel
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018