混合 PINN 引入残差自适应细化
热点事件持续更新
混合 PINN 引入残差自适应细化
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Somnath Giri、Muslim Malik 和 Rishikesh Yadav 提交论文，研究在混合变分-配点物理信息神经网络中加入基于残差的自适应细化，用于求解带混合 Dirichlet-Neumann 边界条件的奇异椭圆偏微分方程。研究在五个二维基准问题上测试该方法，并在相同配点数和迭代预算下与均匀插入配点进行比较。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
混合变分-配点 PINNs 中基于残差的自适应细化：带混合 Dirichlet-Neumann 边界条件的奇异椭圆 PDE报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv · Machine Learning混合变分-配点 PINNs 中基于残差的自适应细化：带混合 Dirichlet-Neumann 边界条件的奇异椭圆 PDE
研究在带混合 Dirichlet-Neumann 边界条件的奇异椭圆 PDE 上，将基于残差的自适应细化用于混合变分-配点 PINNs。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。