基于物理信息的神经网络隐式龙格 - 库塔法误差估计
原文中文，约400字，阅读约需1分钟。发表于：。使用神经网络的高阶隐式龙格 - 库塔方法估计系统的误差，并通过与神经网络的预测误差相关的残差提供轨迹上的多个点的误差估计。
本文研究了物理信息驱动的神经网络（PINNs）在两个不同系统的实验数据上的表现。结果显示，在简单的非线性摆系统中，PINNs 在理想数据情况下胜过了无信息神经网络（NNs），准确度提高了18倍和6倍。在使用实验数据进行测试时，PINNs 相对于NNs的准确度提高了9.3倍和9.1倍。此外，研究了物理信息驱动模型在物理系统中的可行性，并选择FPGA作为部署计算的基板。根据提出的系统架构和方法，讨论了从这项工作中获得的见解，并列出了未来工作计划。
