BriefGPT - AI 论文速递 · 2024-12-15T00:00:00Z

Neural Port-Hamiltonian Differential Algebraic Equations for Compositional Learning of Electrical Networks

📝

内容提要

本研究提出了一种新的神经端口-哈密顿微分代数方程（N-PHDAEs）方法，旨在解决耦合动力系统建模中的代数约束问题。该方法通过神经网络参数化未知项，并利用自动微分简化模型索引，从而显著提高了电网络建模的预测精度和约束满足程度。

🏷️

标签

哈密顿微分代数方程 电网络建模 神经端口 耦合动力系统 预测精度