PulseAugur
中
实时 09:04:14
English(EN) Stochastic Dimension Implicit Functional Projections for Global Integral Conservation in High-Dimensional PINNs

新的PINN框架增强了高维积分约束的执行

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员引入了一个名为随机维度隐函数投影（SDIFP）的新框架，以解决高维偏微分方程神经网络求解器中执行积分约束的挑战。该方法用全局仿射校正取代了传统的基于网格的投影技术，该校正由加权求积规则导出的标量系数确定。SDIFP旨在通过将求积评估与自动微分内存成本分离并实现点推理效率，来提高可扩展性和效率，特别是对于无网格方法（如物理信息神经网络（PINNs））而言。 AI

影响 为提高高维科学计算任务中神经网络求解器的准确性和效率引入了一种新颖的方法。

排序理由 该集群包含一篇详细介绍神经网络新技术框架的研究论文。[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) · Zhangyong Liang, Huanhuan Gao ·

    高维PINNs中全局积分守恒的随机维度隐式函数投影

    arXiv:2603.29237v2 Announce Type: replace Abstract: Enforcing prescribed global integral constraints in mesh-free neural PDE solvers is challenging in high-dimensional domains. Existing projection methods for spatial integrals are often tied to fixed grids or uniform quadrature, …

相关实体

相关话题