Philipp Pilar

新的 RE-PINN 方法增强了物理信息神经网络中的不确定性估计

研究人员开发了一种名为“用于物理信息神经网络的贝叶斯推断的排斥集成”（RE-PINN）的新方法，以改进物理信息神经网络（PINNs）中的不确定性量化。该方法向损失函数添加了一个排斥项，鼓励集成预测更好地表示真实的贝叶斯后验。与倾向于收敛到单一最大后验解的标准集成不同，RE-PINN 生成了更多样化和准确的不确定性估计，并被证明对低维问题有效。