Yuandong Cao

新理论解释了对抗性训练对物理信息神经网络的好处

一个新的理论框架分析了对抗性训练（特别是使用生成对抗网络GANs）如何提高物理信息神经网络（PINNs）的性能。这项基于神经切线核（Neural Tangent Kernel）视角的研究，解释了为什么以及何时对抗性方法在训练PINNs方面是有效的，而PINNs通常难以优化。该研究还提出了一种新颖、高效的PINNs训练算法，与现有方法相比，该算法显示出更高的准确性。