PulseAugur
中
实时 11:01:34
English(EN) A Novel Fourier Feature Network for Solving Partial Differential Equations

新的傅里叶特征网络在求解PDE方面显示出更高的准确性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的求解偏微分方程的方法——傅里叶特征网络（FENs）。这些网络基于单隐藏层神经网络，通过引入余弦和正弦等傅里叶特征来生成基函数。与极限学习机（ELMs）类似，FENs将目标函数近似为这些基的线性组合，但它们在无需对输入变量进行仿射变换的情况下即可实现高精度。数值实验表明，FENs在准确性方面始终优于ELMs。 AI

影响 这项研究引入了一种新的神经网络架构，有望提高科学计算中求解复杂数学问题的效率和准确性。

排序理由 该集群包含一篇详细介绍求解偏微分方程新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

新的傅里叶特征网络在求解PDE方面显示出更高的准确性

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Qihong Yang, Zhijie Su, Yangtao Deng, Qiaolin He ·

    一种新颖的傅里叶特征网络用于求解偏微分方程

    arXiv:2608.14733v1 Announce Type: cross Abstract: Building on the foundation of single-hidden-layer neural networks, Fourier Feature Networks (FENs) are proposed, which incorporate Fourier features using $\cos$, $\sin$, or a combination of both. Similar to Extreme Learning Machin…

相关实体

相关话题