一篇新论文探讨了有限差分（FD）方法作为物理信息神经网络（PINNs）中自动微分（AD）计算导数的替代方案。研究表明，在各种批处理大小下，FD在精度上可以媲美AD，同时提供更快的计算速度并减少GPU内存使用。此外，该研究强调了标准PyTorch autograd在某些神经网络架构中可能存在的潜在不准确性，建议使用FD作为更可靠的近似方法。 AI
影响 有限差分法可能为训练物理信息神经网络提供比自动微分更高效、更准确的替代方案。
排序理由 详细介绍AI模型新计算方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- autograd
- automatic differentiation
- batch normalization
- Finite differences for the convection-diffusion equation
- physics-informed neural networks
- PyTorch
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
