研究人员引入了一个名为物理编码模块化混合层（PE-MHL）的新框架，旨在增强结合了基于物理和数据驱动方法的混合模型的可扩展性和鲁棒性。该框架通过添加新的子模型来逐步改进基于物理的模型，确保保留先前学到的信息。理论保证表明，这种构建可以实现训练误差单调不增和可证明的收敛性。在非线性NARX和Quanser Aero 2平台等基准测试上的实证结果表明，PE-MHL在准确性和泛化能力方面优于单体网络。 AI
影响 引入了一种混合AI模型的新架构，有望提高复杂系统学习的性能和可扩展性。
排序理由 这是一篇详细介绍AI模型新框架的研究论文。[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 →