CoDiffGRN论文提出基因调控网络推断新方法
近日，一篇题为《CoDiffGRN: Rethinking Gene Regulatory Network Inference via the BEELINE-KGC Benchmark and Co-evolutionary Discrete Diffusion》的论文引起关注。该研究由Jiaze Song等人完成，在BEELINE-KGC基准下重新审视基因调控网络（GRN）推断问题，并提出一种基于共进化离散扩散模型的新方法。该方法通过模拟基因间的共进化动态，结合离散扩散过程，有效提升了GRN推断的准确性和鲁棒性。研究团队在多个标准数据集上进行了验证，结果显示所提方法在性能上优于现有主流算法。这一工作有望为生物网络推断和系统生物学研究提供新的技术路径，尤其在单细胞转录组数据分析中具有潜在应用价值。 #基因调控网络 #CoDiffGRN #离散扩散 #生物信息学 #系统生物学 #论文 #机器学习 #AI
近日，一篇题为《CoDiffGRN: Rethinking Gene Regulatory Network Inference via the BEELINE-KGC Benchmark and Co-evolutionary Discrete Diffusion》的论文引起关注。该研究由Jiaze Song等人完成，在BEELINE-KGC基准下重新审视基因调控网络（GRN）推断问题，并提出一种基于共进化离散扩散模型的新方法。该方法通过模拟基因间的共进化动态，结合离散扩散过程，有效提升了GRN推断的准确性和鲁棒性。研究团队在多个标准数据集上进行了验证，结果显示所提方法在性能上优于现有主流算法。这一工作有望为生物网络推断和系统生物学研究提供新的技术路径，尤其在单细胞转录组数据分析中具有潜在应用价值。 #基因调控网络 #CoDiffGRN #离散扩散 #生物信息学 #系统生物学 #论文 #机器学习 #AI
混合Mamba模型用于音频
近期，研究团队在arXiv上提交了一篇题为“A Hybrid Mamba for Audio-Visual Navigation”的论文。该工作针对机器人或智能体在复杂环境中结合音频与视觉信息进行导航的任务，提出了一种基于混合Mamba架构的新方法。Mamba作为近年兴起的状态空间模型，在长序列建模中具有高效优势，而混合设计则旨在融合音频和视觉两种模态的特征。论文通过仿真实验验证了该方法在导航精度和鲁棒性上的提升，为多模态感知与自主导航领域提供了新思路。目前该论文已可在线获取全文及代码资源。 #AI #机器人 #音频视觉导航 #Mamba #多模态 #arXiv #科技论文
近期，研究团队在arXiv上提交了一篇题为“A Hybrid Mamba for Audio-Visual Navigation”的论文。该工作针对机器人或智能体在复杂环境中结合音频与视觉信息进行导航的任务，提出了一种基于混合Mamba架构的新方法。Mamba作为近年兴起的状态空间模型，在长序列建模中具有高效优势，而混合设计则旨在融合音频和视觉两种模态的特征。论文通过仿真实验验证了该方法在导航精度和鲁棒性上的提升，为多模态感知与自主导航领域提供了新思路。目前该论文已可在线获取全文及代码资源。 #AI #机器人 #音频视觉导航 #Mamba #多模态 #arXiv #科技论文
STKAN：基于Kolmogorov
近期，研究团队在arXiv上提交了题为《STKAN: Kolmogorov-Arnold Networks for Spatio-Temporal Forecasting》的论文。该论文提出了一种名为STKAN的新型时空预测模型，其核心创新在于将Kolmogorov-Arnold网络（KAN）引入时空序列分析领域。KAN基于Kolmogorov-Arnold表示定理，与传统的多层感知机不同，它使用可学习的激活函数而非固定非线性函数，从而更高效地捕捉复杂非线性关系。STKAN模型通过将KAN层融入时空网络架构，旨在提升交通流量、气象数据等时空预测任务的准确性。作者Sicong Lai等人已在arXiv上公开论文全文及代码链接，为相关领域提供了新的研究思路。 #STKAN #KolmogorovArnold #时空预测 #深度学习 #AI论文 #arXiv #科技前沿
近期，研究团队在arXiv上提交了题为《STKAN: Kolmogorov-Arnold Networks for Spatio-Temporal Forecasting》的论文。该论文提出了一种名为STKAN的新型时空预测模型，其核心创新在于将Kolmogorov-Arnold网络（KAN）引入时空序列分析领域。KAN基于Kolmogorov-Arnold表示定理，与传统的多层感知机不同，它使用可学习的激活函数而非固定非线性函数，从而更高效地捕捉复杂非线性关系。STKAN模型通过将KAN层融入时空网络架构，旨在提升交通流量、气象数据等时空预测任务的准确性。作者Sicong Lai等人已在arXiv上公开论文全文及代码链接，为相关领域提供了新的研究思路。 #STKAN #KolmogorovArnold #时空预测 #深度学习 #AI论文 #arXiv #科技前沿
TSSM: 三轴状态空间模型实现全球气象站高精度预报
近日，一篇题为《TSSM: Triaxial State Space Model for Global Station Weather Forecasting with Temporal-Variable-Historical Modeling》的论文在arXiv预印本平台发布。该研究针对全球气象站预报中的复杂时空依赖问题，提出了一种新颖的三轴状态空间模型（TSSM），通过同时建模时间、变量和历史三个维度的动态特征，显著提升了预报精度。传统模型往往仅考虑时间或空间维度，而TSSM通过三轴结构有效捕获了气象变量间的因果关联与长期记忆效应。实验表明，该模型在全球多站点数据集上优于现有基线方法，尤其在极端天气事件预测中的表现更为突出。这一工作为气象预报领域提供了一种高效且可扩展的深度学习范式。 #人工智能 #天气预报 #状态空间模型 #三轴建模 #TSSM #深度学习 #气象学 #arXiv
近日，一篇题为《TSSM: Triaxial State Space Model for Global Station Weather Forecasting with Temporal-Variable-Historical Modeling》的论文在arXiv预印本平台发布。该研究针对全球气象站预报中的复杂时空依赖问题，提出了一种新颖的三轴状态空间模型（TSSM），通过同时建模时间、变量和历史三个维度的动态特征，显著提升了预报精度。传统模型往往仅考虑时间或空间维度，而TSSM通过三轴结构有效捕获了气象变量间的因果关联与长期记忆效应。实验表明，该模型在全球多站点数据集上优于现有基线方法，尤其在极端天气事件预测中的表现更为突出。这一工作为气象预报领域提供了一种高效且可扩展的深度学习范式。 #人工智能 #天气预报 #状态空间模型 #三轴建模 #TSSM #深度学习 #气象学 #arXiv
从零实现自动微分：PyTorch在物理信息神经网络中如何计算梯度
一篇题为《从零实现自动微分：PyTorch如何在物理信息神经网络中计算梯度》的论文近日在arXiv上公开。作者Abdeladhim Tahimi深入探讨了自动微分的底层原理，详细阐述了如何在不借助高级框架的情况下自行构建这一核心技术。论文重点聚焦物理信息神经网络（PINNs），系统解释了PyTorch如何通过自动微分机制高效计算损失函数对网络参数的梯度，从而满足物理方程约束。这项工作为理解深度学习中的梯度计算提供了从理论到实践的完整路径，对PINNs的研究与教学具有重要参考价值。 #自动微分 #PyTorch #物理信息神经网络 #PINNs #深度学习 #梯度计算 #arXiv #论文
一篇题为《从零实现自动微分：PyTorch如何在物理信息神经网络中计算梯度》的论文近日在arXiv上公开。作者Abdeladhim Tahimi深入探讨了自动微分的底层原理，详细阐述了如何在不借助高级框架的情况下自行构建这一核心技术。论文重点聚焦物理信息神经网络（PINNs），系统解释了PyTorch如何通过自动微分机制高效计算损失函数对网络参数的梯度，从而满足物理方程约束。这项工作为理解深度学习中的梯度计算提供了从理论到实践的完整路径，对PINNs的研究与教学具有重要参考价值。 #自动微分 #PyTorch #物理信息神经网络 #PINNs #深度学习 #梯度计算 #arXiv #论文
部分观测结构因果模型
一篇题为《Partially Observed Structural Causal Models》（部分观测结构因果模型）的论文已在arXiv预印本平台发布。该论文由Turan Orujlu等四位作者撰写，首次提交于2026年5月5日，并在后续更新了第二版本。论文聚焦于因果推断中观测数据不完整（如存在隐变量或缺失值）时的结构因果建模问题，提出了相应的理论框架与算法。该工作旨在扩展传统结构因果模型对部分观测场景的适用性，提升因果分析在实际数据中的应用能力。 #部分观测结构因果模型 #因果推断 #arXiv #论文 #TuranOrujlu #结构方程模型
一篇题为《Partially Observed Structural Causal Models》（部分观测结构因果模型）的论文已在arXiv预印本平台发布。该论文由Turan Orujlu等四位作者撰写，首次提交于2026年5月5日，并在后续更新了第二版本。论文聚焦于因果推断中观测数据不完整（如存在隐变量或缺失值）时的结构因果建模问题，提出了相应的理论框架与算法。该工作旨在扩展传统结构因果模型对部分观测场景的适用性，提升因果分析在实际数据中的应用能力。 #部分观测结构因果模型 #因果推断 #arXiv #论文 #TuranOrujlu #结构方程模型
切片最优传输分布匹配收敛速率研究取得理论突破
一篇题为《Convergence Rates for Distribution Matching with Sliced Optimal Transport》的论文被国际机器学习顶会COLT 2026接收。该研究由Gauthier Thurin（ENS-PSL）等学者完成，深入分析了基于切片最优传输（Sliced Optimal Transport）进行概率分布匹配时的收敛速率。切片最优传输通过将高维分布投影到一维直线，极大降低了计算复杂度。论文给出了在有限样本下该方法的误差上界，证明了其相较于传统最优传输方法在收敛速度上的优势，为生成模型、领域适应等应用提供了坚实的理论保障。该成果将于2026年6月在美国圣地亚哥举行的COLT会议上正式发布。 #机器学习 #最优传输 #分布匹配 #收敛速率 #COLT2026 #理论计算机科学 #概率论
一篇题为《Convergence Rates for Distribution Matching with Sliced Optimal Transport》的论文被国际机器学习顶会COLT 2026接收。该研究由Gauthier Thurin（ENS-PSL）等学者完成，深入分析了基于切片最优传输（Sliced Optimal Transport）进行概率分布匹配时的收敛速率。切片最优传输通过将高维分布投影到一维直线，极大降低了计算复杂度。论文给出了在有限样本下该方法的误差上界，证明了其相较于传统最优传输方法在收敛速度上的优势，为生成模型、领域适应等应用提供了坚实的理论保障。该成果将于2026年6月在美国圣地亚哥举行的COLT会议上正式发布。 #机器学习 #最优传输 #分布匹配 #收敛速率 #COLT2026 #理论计算机科学 #概率论
利用可微偏分方程求解器实现稀疏测量下的半神经空间重建
来自arXiv预印本的一篇研究提出了一种新方法，将可微偏微分方程求解器与神经网络相结合，用于从稀疏测量数据中重建空间场。该方法被称为“半神经空间重建”，旨在克服传统纯数据驱动或纯物理模型方法的局限性。研究团队利用可微PDE求解器作为可学习的物理先验层，使网络能够在不依赖大量标注数据的情况下，从稀疏、不完整的观测中推断出高分辨率空间分布。实验表明，该技术在地球物理、气候科学和工程检测等需要从有限传感器数据重建连续场的领域具有潜在应用价值，有望显著降低对密集采样网络的依赖。 #arXiv #论文 #可微PDE #半神经网络 #空间重建 #稀疏测量 #科学计算
来自arXiv预印本的一篇研究提出了一种新方法，将可微偏微分方程求解器与神经网络相结合，用于从稀疏测量数据中重建空间场。该方法被称为“半神经空间重建”，旨在克服传统纯数据驱动或纯物理模型方法的局限性。研究团队利用可微PDE求解器作为可学习的物理先验层，使网络能够在不依赖大量标注数据的情况下，从稀疏、不完整的观测中推断出高分辨率空间分布。实验表明，该技术在地球物理、气候科学和工程检测等需要从有限传感器数据重建连续场的领域具有潜在应用价值，有望显著降低对密集采样网络的依赖。 #arXiv #论文 #可微PDE #半神经网络 #空间重建 #稀疏测量 #科学计算
自适应共形推断新视角：Blackwell Approachability 的应用
一篇题为《通过 Blackwell Approachability 视角的自适应共形推断》的论文在 arXiv 上发表。该研究由 Guillaume Principato 和 Gilles Stoltz 完成，旨在将博弈论中的 Blackwell Approachability 理论引入自适应共形推断领域，以提升预测区间的覆盖保证与统计效率。传统共形推断在处理分布变化或序列数据时存在局限性，而该论文通过动态调整推断策略，实现了在不确定环境下的稳健性能。研究为机器学习中的不确定性量化提供了新的理论工具，对在线预测、风险控制等应用具有潜在价值。 #机器学习 #共形推断 #BlackwellApproachability #自适应 #博弈论 #不确定性量化 #学术论文
一篇题为《通过 Blackwell Approachability 视角的自适应共形推断》的论文在 arXiv 上发表。该研究由 Guillaume Principato 和 Gilles Stoltz 完成，旨在将博弈论中的 Blackwell Approachability 理论引入自适应共形推断领域，以提升预测区间的覆盖保证与统计效率。传统共形推断在处理分布变化或序列数据时存在局限性，而该论文通过动态调整推断策略，实现了在不确定环境下的稳健性能。研究为机器学习中的不确定性量化提供了新的理论工具，对在线预测、风险控制等应用具有潜在价值。 #机器学习 #共形推断 #BlackwellApproachability #自适应 #博弈论 #不确定性量化 #学术论文
线性最优传输独立成分分析新方法提出
近日，一篇题为《Linear Independent Component Analysis via Optimal Transport》的学术论文在arXiv预印本平台发布。该研究由Ashutosh Jha等人完成，提出了一种基于最优输运理论的线性独立成分分析新方法。独立成分分析是信号处理和机器学习中的经典技术，旨在将多变量信号分解为统计独立的源成分。传统方法通常依赖于高阶统计量或非高斯性假设，而该工作利用最优输运框架，从分布匹配的角度重新诠释了线性独立成分问题，并给出了理论上的可识别性条件。实验结果表明，新方法在合成数据和实际应用场景中均展现出良好性能，为盲源分离问题提供了新的解决思路。该研究得到学界关注，目前可通过arXiv获取全文。 #机器学习 #独立成分分析 #最优传输 #信号处理 #学术论文 #AI #arXiv
近日，一篇题为《Linear Independent Component Analysis via Optimal Transport》的学术论文在arXiv预印本平台发布。该研究由Ashutosh Jha等人完成，提出了一种基于最优输运理论的线性独立成分分析新方法。独立成分分析是信号处理和机器学习中的经典技术，旨在将多变量信号分解为统计独立的源成分。传统方法通常依赖于高阶统计量或非高斯性假设，而该工作利用最优输运框架，从分布匹配的角度重新诠释了线性独立成分问题，并给出了理论上的可识别性条件。实验结果表明，新方法在合成数据和实际应用场景中均展现出良好性能，为盲源分离问题提供了新的解决思路。该研究得到学界关注，目前可通过arXiv获取全文。 #机器学习 #独立成分分析 #最优传输 #信号处理 #学术论文 #AI #arXiv