PulseAugur
中
实时 05:26:16
English(EN) Balance-Guided Sparse Identification of Multiscale Nonlinear PDEs with Small-coefficient Terms

AI方法通过稀疏识别解决复杂的非线性偏微分方程

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个使用稀疏径向基函数网络的求解非线性偏微分方程（PDE）的新颖框架。该方法结合了促进稀疏性的正则化，以管理参数过剩并减少冗余特征，旨在改进现有的方法，如物理信息神经网络和高斯过程。该方法基于再生核巴拿赫空间理论，并采用三阶段算法以提高计算效率，包括自适应特征选择和剪枝。数值实验表明了其有效性，尤其是在其优于高斯过程方法的情况下。 AI

影响 求解偏微分方程的新方法可以通过提高计算效率和准确性来加速科学发现和工程模拟。

排序理由 该集群包含两篇学术论文，详细介绍了使用机器学习技术求解非线性偏微分方程的新方法。

在 Hugging Face Daily Papers 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

AI方法通过稀疏识别解决复杂的非线性偏微分方程

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Zihan Shao, Konstantin Pieper, Xiaochuan Tian ·

    使用稀疏径向基函数网络求解非线性偏微分方程

    arXiv:2505.07765v3 Announce Type: replace-cross Abstract: We propose a novel framework for solving nonlinear PDEs using sparse radial basis function (RBF) networks. Sparsity-promoting regularization is employed to prevent over-parameterization and reduce redundant features. This …

  2. Hugging Face Daily Papers TIER_1 English(EN) ·

    具有小系数项的多尺度非线性偏微分方程的平衡引导稀疏识别

    Data-driven discovery of governing equations has advanced significantly in recent years; however, existing methods often struggle in multiscale systems where dynamically significant terms may have small coefficients. Therefore, we propose Balance-Guided SINDy (BG-SINDy) inspired …

相关实体

相关话题