GENERATIVE NEURAL OPERATORS OF LOG-COMPLEXITY CAN SIMULTANEOUSLY SOLVE INFINITELY MANY CONVEX PROGRAMS
创建于 更新于
摘要
本文设计了一种新型生成式神经算子（GEO），利用深度平衡层结构对无限多凸拆分优化问题的近似解算操作符进行高效学习，理论证明了GEO模型的深度、宽度与秩均仅与近似误差的对数成比例，突破了传统神经算子理论所预估的指数型参数复杂度限制。实证包含非线性偏微分方程、随机最优控制及数学金融中的二次对冲问题，验证了GEO统一高效求解多样凸优化问题的能力 [page::0][page::1][page::10]。
