PulseAugur
实时 21:14:48
实体 Physics Informed Neural Networks (PINNs) For Approximating Nonlinear Dispersive PDEs

Physics Informed Neural Networks (PINNs) For Approximating Nonlinear Dispersive PDEs

PulseAugur coverage of Physics Informed Neural Networks (PINNs) For Approximating Nonlinear Dispersive PDEs — every cluster mentioning Physics Informed Neural Networks (PINNs) For Approximating Nonlinear Dispersive PDEs 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
最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_48913 ·

    新的优化技术提高了复杂物理神经网络的精度

    研究人员开发了一种名为 SOAP+GN 的新优化技术,以提高物理信息神经网络 (PINNs) 在处理复杂耦合多物理场系统时的精度。该方法解决了 PINN 精度随着方程间耦合增强而下降的已知问题。通过采用 Kronecker 预处理优化和逆梯度范数损失平衡,SOAP+GN 在大量实验中表现出鲁棒的精度,即使在以前标准优化方法(如 Adam+GN)不堪重负的挑战性二维系统中也是如此。