鲁棒的物理信息神经网络
原文中文，约300字，阅读约需1分钟。发表于：。我们介绍了一种鲁棒版本的物理启发式神经网络（RPINN）来近似求解偏微分方程（PDEs），该方法利用能量范数计算的残差和格拉姆矩阵的倒数构建了损失函数，在两个空间维度的拉普拉斯问题和对流扩散问题中进行了测试，结果表明 RPINN 是一种鲁棒的方法，其损失函数与解的真实误差在能量范数下相符，因此我们可以知道训练过程进行得如何，并在达到所需精度的真实误差下停止训练来获得 PDE 解的神经网络逼近。
介绍了一种鲁棒版本的物理启发式神经网络（RPINN）用于求解偏微分方程（PDEs），利用能量范数计算的残差和格拉姆矩阵的倒数构建损失函数，测试中在拉普拉斯问题和对流扩散问题中表现出鲁棒性，损失函数与真实误差相符，通过训练获得PDE解的神经网络逼近。
