PulseAugur
中
实时 12:00:52
实体 Continual-Learning Physics-Informed Neural Network

Continual-Learning Physics-Informed Neural Network

PulseAugur coverage of Continual-Learning Physics-Informed Neural Network — every cluster mentioning Continual-Learning Physics-Informed Neural Network across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_185424 ·

    新的CL-PINN方法改进了参数化PDE的求解

    研究人员开发了一种持续学习物理信息神经网络（CL-PINN），旨在高效求解参数化偏微分方程（PDE）。这种新方法解决了现有方法的局限性，例如训练效率低下以及在不同物理参数下精度不均的问题。CL-PINN将PDE实例作为不同任务进行顺序学习，并结合了基于贝叶斯优化的主动参数选择和动态损失加权等技术，以提高知识保留和泛化能力。