扩展物理信息神经网络(XPINN)何时能改进泛化?
@第{Hu2021WhenDE条, title={扩展物理知情神经网络(XPINN)何时提高泛化能力?}, author={胡哲远(Zheyuan Hu)和阿米亚·迪利普·贾格塔普(Ameya Dilip Jagtap)以及乔治·埃姆·卡尼亚达基斯(George Em Karniadakis)和川口贤治(Kenji Kawaguchi)}, 期刊={ArXiv}, 年份={2021}, 体积={abs/2109.09444}, 网址={ https://api.semanticscholar.org/CorpusID:237571629 } }
70引文
物理和等式约束人工神经网络的非重叠Schwarz型区域分解方法
2024
用边界和初始条件的代数包含改进PINN
2024
带区域分解的初始化增强物理信息神经网络(IDPINN)
2024
研究PINN在有限时间爆破附近求解Burgers PDE的能力
2024
ASPINN:解奇摄动微分方程的渐近策略
2024
37参考文献
基于物理信息的神经网络逼近Navier-Stokes方程的误差估计
2022
用于传热问题的物理信息神经网络
2021
浓缩咖啡杯上的流动:通过基于物理的神经网络从断层摄影背景的纹影推断三维速度和压力场
2021
求解高维椭圆型方程的Deep-Ritz方法的先验推广分析
2021
线性偏微分方程残差最小化的神经网络误差估计
2020