PCA-Net

新的PCA-Net方法减少了PDE算子学习中的伪影

研究人员开发了一种名为Two-Scale Localized PCA-Net的新方法，用于学习偏微分方程（PDE）的算子。该技术将解分解为粗粒度全局分量和局部残差校正，利用紧凑的全局PCA基来表示域尺度结构，并利用非重叠的局部PCA基来表示精细尺度的残差。与现有的Localized PCA-Net方法相比，该方法显著降低了重建误差和可见伪影，同时还降低了拟合成本。