研究人员开发了 LNN-PINN，这是一个旨在提高物理信息神经网络 (PINNs) 准确性的新框架。该框架将液体残差门控架构集成到 PINNs 的隐藏层中，而无需更改核心物理建模或优化过程。在四个基准问题上的测试表明，在相同的训练条件下，LNN-PINN 与标准 PINNs 相比，始终实现了更低的 RMSE 和 MAE。该架构在各种问题复杂度下也证明了其适应性和稳定性，为提高科学和工程应用中的预测能力提供了一种简洁而有效的方法。 AI
影响 通过改进 PINN 架构，提高了科学和工程问题的预测准确性。
排序理由 这是一篇详细介绍改进现有 AI 模型新框架的研究论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →