English(EN) A Learning-Based Ansatz Satisfying Boundary Conditions in Variational Problems

新的基于学习的试探方法改进了变分问题求解

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-14 04:00

研究人员为变分问题引入了一种新颖的基于学习的试探方法，该方法内在地满足边界条件，无需像深度 Ritz 方法中常用的惩罚项。这种在 Sobolev 范数内建立的新方法为解决此类问题提供了一种更严谨且可能更简单的方法。所提出的试探方法旨在防止误导性的优化结果，同时保持准确性，并展示了实际效果。 AI

影响这项研究为使用神经网络解决复杂的变分问题提供了一种更鲁棒且可能更简单的方法。

排序理由该集群包含一篇详细介绍新研究方法的学术论文。

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Rafael Florencio, Julio Guerrero · 2026-07-14 04:00

A Learning-Based Ansatz Satisfying Boundary Conditions in Variational Problems

arXiv:2505.12430v2 Announce Type: replace Abstract: Recently, innovative adaptations of the Ritz method incorporating deep learning have been developed, known as the Deep Ritz Method. This approach employs a neural network as the trial function for variational problems. However, …