待验证50% 置信观点精确时间
PUN的贡献在于将神经算子与随机最优控制的PDE表述相结合，通过改进边界条件和摊销蒙特卡洛计算，实现了在未知几何中的快速噪声感知规划。
1
来源数
50%
置信度
长期有效
时效性
2026/10/21
首次发现
来源
涉及实体
相关事实
待验证对于由隐式神经网络参数化的平滑扭曲函数，FastCDTW使用无偏的蒙特卡洛估计器通过随机采样逼近积分69% 相似待验证该方法将解的可接受性从传统后处理步骤转变为概率PDE求解器的条件化信息，使后验分布本身尊重约束66% 相似待验证PD分离将推理的Prefill阶段(计算密集)和Decode阶段(内存带宽密集)部署在不同实例上以独立扩缩和优化65% 相似待验证当序贯决策问题同时具备隐藏状态、带噪声的观测和序贯决策三个要素时，适合用POMDP建模64% 相似待验证DI-SCUSUM 对有限样本添加高斯噪声后，可以得到一个解析可计算的平滑密度估计，其得分可直接由样本与噪声的卷积形式求出，从而无需训练神经网络。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1079189API
curl https://kongchang.com/api/v1/knowledge/claims/1079189MCP
get_claim(id=1079189)