PulseAugur
实时 17:55:56
English(EN) A Deep Second-Order Stochastic Residual Method for Fully Nonlinear Parabolic PDEs

新的D2SRM方法解决高维非线性偏微分方程

研究人员提出了一种新颖的深度二阶随机残差方法(D2SRM),旨在解决高维、依赖于Hessian的全非线性抛物线偏微分方程(PDE)。该方法利用单个神经网络生成解、梯度和Hessian的近似值,通过二阶布朗单步残差和终端值/梯度惩罚进行联合训练。理论分析在布朗占用空间中建立了适定性,并为某些类别的方程开发了群体级收敛理论,在100维基准测试上的实验验证表明,随着时间步长的减小,误差会减小。 AI

影响 引入了一种新的计算方法,可以增强使用AI解决复杂数学问题的能力。

排序理由 详细介绍求解偏微分方程新数值方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

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

新的D2SRM方法解决高维非线性偏微分方程

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Zhenhua Zhao, Jihao Long ·

    全非线性抛物线偏微分方程的二阶随机残差深度方法

    arXiv:2607.16730v1 Announce Type: cross Abstract: We introduce the Deep Second-Order Stochastic Residual Method (D2SRM) for high-dimensional, Hessian-dependent fully nonlinear parabolic PDEs. A single scalar space--time network generates derivative-consistent approximations of th…