arXiv · Machine Learning· Ronald Katende·· 8 小时前AI 评分18
Physics-Informed Neural Networks（PINNs）非渐近稳定性与一致性保证：基于强制算子分析
Non-Asymptotic Stability and Consistency Guarantees for Physics-Informed Neural Networks via Coercive Operator Analysis
AI 导读
该研究提出基于算子强制性、变分公式和非渐近扰动理论的统一框架，为 Physics-Informed Neural Networks（PINNs）的稳定性与一致性提供理论保证。研究通过确定性稳定性界和 McDiarmid 不等式的概率集中结果，建立残差泛化的样本复杂度保证，并在椭圆型、抛物型和非线性偏微分方程上验证理论界的预测准确性。该 arXiv 投稿已被撤回，原因是不符合研究内容质量标准。
来源：arXiv · Machine Learning · arxiv.org