研究人员开发了一种分层贝叶斯物理增强神经网络 (PANN),旨在模拟超弹性定律等材料特性,尤其是在处理稀疏和噪声数据时。该先进模型扩展了之前的 PANN,允许样本变异性,将每个样本视为从定律种群中抽取。该系统联合推断共享的复凸特征、个体样本特征和种群级不确定性,确保样本变异不会被误认为是噪声。这种方法即使在数据有限或没有数据的情况下,也能对新样本进行更可靠的预测,并准确地将它们分配到群体中。 AI
影响 这种新模型可以通过从有限数据中进行更准确的预测和群体分配来改进材料科学研究。
排序理由 该集群包含一篇详细介绍物理增强神经网络新方法的论文。[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 →