PulseAugur
中
实时 13:51:30
English(EN) WLNO: Wavelet-Laplace Neural Operator for Solving Partial Differential Equations

新型小波-拉普拉斯神经网络算子提升偏微分方程求解能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种名为小波-拉普拉斯神经网络算子（WLNO）的新型神经网络算子，用于求解偏微分方程。WLNO通过引入Haar小波变换来分解和分析多尺度的空间特征，从而增强了现有的拉普拉斯神经网络算子（LNO）。这种融合使得WLNO能够更好地捕捉复杂偏微分方程解中固有的局部多尺度特征，在Burgers方程和Navier-Stokes方程等基准问题上比LNO表现出更优的性能。 AI

影响 引入了一种新颖的神经网络算子架构，提高了求解复杂偏微分方程的准确性和范围。

排序理由 这是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.LG 阅读 →

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]

  1. arXiv cs.LG TIER_1 English(EN) · Muhammad Abid, Arth Sojitra, Omer San ·

    WLNO：用于求解偏微分方程的小波-拉普拉斯神经网络算子

    arXiv:2605.24658v1 Announce Type: new Abstract: This work introduces the Wavelet-Laplace Neural Operator (WLNO), a novel neural operator that fuses Haar wavelet multi-scale spatial decomposition with the Laplace-domain pole-residue formulation of the Laplace Neural Operator (LNO)…

相关实体

相关话题