实体
PirateNet
PirateNet
PulseAugur coverage of PirateNet — every cluster mentioning PirateNet across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
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 2 条
-
新的训练方法提升了物理信息神经网络
研究人员推出了一种名为分阶段深度训练（Staged Depth Training, SDT）的新型表示学习课程，旨在提高物理信息神经网络（PINNs）的性能。该方法独立于最终预测任务，显式地分阶段学习和优化表示。SDT在各种PINN基准测试中均显示出显著的改进，包括在PirateNet风格骨干网络上几何平均误差降低32.8%，以及在泊松-玻尔兹曼二维问题上增强了深度缩放指数。该技术旨在提升PINN能力，而无需改变核心架构或需要特定于方程的编码。
-
新的剪枝方法增强了用于复杂方程的稀疏PINN求解器
研究人员开发了一种新的剪枝方法，称为物理信息感知剪枝（PI-SAP），用于稀疏的物理信息神经网络（PINN）求解器。该方法旨在通过关注与控制方程最相关的参数来提高用于求解复杂微分方程的神经网络的效率。在各种方程上的实验表明，PI-SAP在激进稀疏性下具有竞争力，尽管没有单一的剪枝标准在所有场景下都普遍最优。