实体
XPINN
XPINN
PulseAugur coverage of XPINN — every cluster mentioning XPINN across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新方法改进物理信息神经网络的训练
研究人员开发了Norm-PCGrad，一种新颖的方法，用于在域分解中使用时改进物理信息神经网络（PINNs）和物理信息Kolmogorov-Arnold网络（PIKANs）的训练。该技术解决了在损失函数中组合残差项、边界项和接口项时出现的梯度冲突问题。Norm-PCGrad在各种2D和3D问题上展示了最先进的准确性，且计算开销极小。此外，该研究提出使用可分离架构（如SPINN）来增强域分解框架内的计算效率。
-
新的Bi-HYCO框架通过碎片化数据增强偏微分方程参数识别能力
研究人员推出了一种新颖的协同学习框架Bi-HYCO，用于在观测数据碎片化的情况下识别偏微分方程（PDE）的参数。该方法通过允许互补的物理模型和合成模型在未标记的交互点共享信息来耦合它们，形成一个向量值目标。使用椭圆传输方程和Navier-Stokes方程进行的实验证明了Bi-HYCO在参数和状态重构方面的有效性，即使在噪声条件下也是如此。
-
新的TSDD-PINN框架改进了稀疏传感器的交通流量估计
研究人员开发了一个名为两阶段域分解物理信息神经网络（TSDD-PINN）的新框架，以改进稀疏传感器数据的交通状态估计。该方法解决了传统物理信息神经网络（PINN）倾向于平滑光度-惠特姆-理查兹（LWR）模型特有的急剧交通流变化的问题。TSDD-PINN利用全局父PINN来指导专门的子网络的训练，其中空间细化在减少误差和训练时间方面被证明是最有效的。在I-24 MOTION数据集上的评估表明，与扩展PINN（XPINN）基线相比，TSD…