磁滞建模的神经振荡器 原文约200字,阅读约需1分钟。发表于:2023-08-23T00:00:00Z。 通过开发基于普通微分方程的递归神经网络 (RNN) 方法来建模和量化滞后现象,这一研究突出了神经振荡器相对于传统 RNN 方法在捕捉磁性材料中复杂滞后模式方面的优势。 该研究提出了一种新方法,通过融合系统常微分方程所基于的神经振荡器,解决了爆炸梯度问题,增强了物理先验机器学习模型在复杂物理问题中的泛化能力。实验证明该方法在时间依赖的非线性偏微分方程和双调和梁方程中的优越性能,为外推和预测提供了准确的解决方案。 建模 新方法 爆炸梯度问题 物理先验机器学习模型 神经振荡器 融合系统常微分方程