双网络PINN基准测试最优控制问题

研究人员开发了一种双网络物理信息神经网络（PINN）方法来解决最优控制问题，并在质量-弹簧-阻尼系统上进行了演示。该方法在准确性上可与经典技术相媲美，能够将最优成本精确到小数点后四位，并精确满足约束条件。虽然PINN的训练速度比传统方法慢，但它旨在通过提供清晰、可复现的基准测试和实现来简化从业者的流程。 AI

排序理由 该条目是一篇学术论文，详细介绍了将物理信息神经网络应用于最优控制问题的新方法和基准测试。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• CatalyzeX
• Connected Papers
• DagsHub
• Google Colab
• Gotit.pub
• Hugging Face
• Litmaps
• Mass-Spring-Damper System
• physics-informed neural networks
• Pontryagin's maximum principle
• ScienceCast
• scite Smart Citations
• trapezoidal collocation

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →