English(EN) Robust data-driven discovery of fractional differential equations via weak formulations and Pareto-based subset selection

新的弱-帕累托方法可从噪声数据中鲁棒地发现分数阶微分方程

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-14 04:00

研究人员开发了一种名为 Weak-Pareto 的新方法，用于从噪声数据中发现分数阶微分方程。该方法结合了分数阶项的弱形式和基于帕累托的子集选择来识别导数阶数和项类型。在基准测试中，Weak-Pareto 在对抗噪声方面表现出鲁棒性，其性能优于传统的强形式方法和当前的神经网络基线。 AI

影响引入了一种从噪声数据中鲁棒地识别复杂微分方程的新方法，有可能改进科学建模和模拟。

排序理由该条目是一篇研究论文，详细介绍了一种发现分数阶微分方程的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

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) · Pongpisit Thanasutives, Yoshinobu Kawahara · 2026-08-14 04:00

基于弱形式和帕累托最优子集选择的鲁棒数据驱动分数阶微分方程发现

arXiv:2608.12879v1 Announce Type: new Abstract: Fractional partial differential equations describe nonlocal dynamics, but discovering them from noisy data is difficult because fractional differentiation amplifies high-frequency measurement noise and the derivative orders are unkn…