物理约束神经网络的对抗训练
原文中文，约300字，阅读约需1分钟。发表于：。基于梯度下降对抗攻击，本文提出了一种适用于物理知识的神经网络（PINNs）的对抗训练策略，称为 AT-PINNs，通过对抗样本微调模型，从而提高了 PINNs 的鲁棒性，准确识别模型失败区域，并在训练过程中使模型关注这些区域。AT-PINNs 还能通过选择初始值周围的对应点进行推理，从而执行具有时间因果关系的推理。实验结果表明，AT-PINNs...
本文提出了一种适用于物理知识的神经网络（PINNs）的对抗训练策略，称为AT-PINNs，通过对抗样本微调模型，提高了PINNs的鲁棒性，能够有效地定位和减少失败区域，且适用于解决复杂的偏微分方程。
