N - 自适应 Ritz 方法：一种神经网络丰富的单位分割求解边界值问题
原文中文，约400字，阅读约需1分钟。发表于：。采用神经网络丰富的统一划分方法 (NN-PU) 解决边界值问题，通过人工神经网络和基于势能的损失函数最小化来捕捉复杂解模式，提出了一种自适应逼近框架 neural-refinement (n-refinement)，在解决边界值问题时提供准确解并显著降低计算成本。
神经一体化无网格（NIM）方法结合了传统无网格离散化技术和深度学习，提高了解决方案的表示，减少了模型大小和梯度计算需求，提高了训练效率。实验结果显示NIM方法在静态和瞬态基准问题上有效，具有准确性、可扩展性、泛化性和收敛性。与其他方法相比，尤其是V-NIM，NIM方法在全面预测能力方面提高了准确性和效率。
