新研究保证了 SGD 训练的物理信息神经网络的收敛性

研究人员已经证明，在求解泊松方程时，随机梯度下降（SGD）训练过参数化两层物理信息神经网络（PINNs）的线性收敛性。该分析考虑了随机优化方法引入的动态随机性，为 SGD 训练的 PINNs 提供了收敛保证，扩展了先前的工作。该分析的关键在于确保训练过程中特定 Gram 矩阵的正定性。 AI

影响 为物理信息神经网络的训练提供了理论保证，有可能提高其在解决复杂科学问题中的可靠性。

排序理由 在 arXiv 上发表的学术论文，详细说明了特定类型神经网络的收敛保证。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

• arXiv
• Bangti Jin
• partial differential equations
• physics-informed neural networks
• Poisson's equation
• stochastic gradient descent
• Stochastic Gradient Methods for Distributionally Robust Optimization with f-divergences
• Two-Layer Physics-Informed Neural Networks

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →