Kepler two-body problem

汉氏神经网络在长时预测精度上表现出改进

研究人员将汉氏神经网络（HNNs）与标准前馈网络在预测摆和开普勒动力学方面进行了评估。通过使用相同的训练数据、优化设置和积分方案，研究发现HNNs在长预测时程中显著降低了能量漂移和轨迹均方误差。在摆任务上，HNNs展示了42倍的能量漂移减少和15.8倍的轨迹MSE减少，在相空间的非线性区域性能提升更为明显。在开普勒二体问题中也观察到了类似的预测精度和物理一致性方面的优势。