New York University（纽约大学）

Multiscale Exit-Join Dynamics: Tactical Consensus and Strategic Coalition Formation

多尺度退出-加入动力学：战术共识与战略联盟形成

Quanyan Zhu

机构 * Department of Electrical and Computer Engineering（电气工程系） ； Tandon School of Engineering（坦顿工程学院） ； New York University（纽约大学） 纠错

AI总结 提出多尺度联盟形成模型，耦合联盟内战术共识与战略退出-加入决策，通过固定点分析揭示不稳定性-共识悖论。

Sampling sea state using a diffusion model

使用扩散模型采样海况

Jiarong Wu, Bertrand Chapron, Laure Zanna

机构 * Courant Institute School of Mathematics, Computing and Data Science（库朗数学、计算与数据科学学院） ； New York University（纽约大学） ； Laboratoire d’Océanographie Physique et Spatiale (LOPS)（物理与空间海洋学实验室） ； Ifremer 纠错

AI总结 提出基于扩散的生成模型，利用5天全球风场条件直接采样海况的复杂条件分布，实现概率性海况估计，显著加速计算并保持技巧性预测。

Theory of the Frequency Principle for General Deep Neural Networks

通用深度神经网络的频率原理理论

Tao Luo, Zheng Ma, Zhi-Qin John Xu, Yaoyu Zhang

机构 * Department of Mathematics, Purdue University（普渡大学数学系） ； New York University Abu Dhabi and Courant Institute（纽约大学阿布扎比分校及柯朗研究所） 纠错

AI总结 本文严格研究了通用深度神经网络在训练过程中从低频到高频学习目标函数的频率原理，并给出了三个阶段的定理。

Comments CSIAM Trans. Appl. Math

Journal ref CSIAM Trans. Appl. Math. 2021