标签
本文研究了小表格数据集上TabPFN的上下文采样，发现上下文多样性和覆盖范围比分布匹配对准确性更重要，并且随机采样是有效的。
本文介绍了在小数据约束下物理信息机器学习的方法论贡献，使用了包含155个数据点的磨料水射流铣削数据集。研究表明，数据整理选择、评估设计和物理集成形式非常重要，其中高斯过程变体优于其他模型。
本文提出了eCNNTO，一种带有残差连接的卷积神经网络，通过从早期迭代历史中预测接近最优的密度来加速基于密度的拓扑优化，实现了最多97%的迭代次数减少，并在不同边界条件、几何形状和网格分辨率下展现出强大的泛化能力。
本文提出了一种面向小数据场景下植物表型组学分类的混合量子-经典工作流，通过监督潜在重构（PCA+LDA）在量子核对齐前提升几何可分性。实验显示可分性有所提升，但揭示了压缩权衡以及实现强量子性能的困难。