PulseAugur
中
实时 11:54:27
English(EN) Physics-Guided Recurrent State-Space Neural Networks for Multi-Step Prediction

新的物理引导神经网络改进了多步预测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为物理引导递归状态空间神经网络（PG-RSSNN）的新模型，用于改进具有不完美物理模型系统的多步预测。该方法结合了传统基于物理的模型和深度学习技术的优势。PG-RSSNN 使用递归结构来防止梯度消失和数值发散等问题，即使在数据有限的情况下也能实现更稳定的训练和更好的预测精度。 AI

影响 这种新模型架构可以提高物理模型不完整或不完美的领域中预测系统的准确性。

排序理由 这是一篇描述新型模型架构的研究论文。[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) · Ruiyuan Li, Ajay Seth, Manon Kok ·

    Physics-Guided Recurrent State-Space Neural Networks for Multi-Step Prediction

    arXiv:2606.02278v1 Announce Type: cross Abstract: State-space models are traditionally based on physical knowledge, but multi-step predictions from these physical models can be poor due to model inaccuracy. Black-box deep learning has shown promise as an alternative. However, the…

相关实体

相关话题