超越PINNs的导数病理：具有收敛性分析的变量分裂策略

本研究解决了物理信息神经网络（PINNs）在求解偏微分方程时常见的不准确性问题。提出的变量分裂策略通过将梯度参数化为辅助变量，有效降低了导数病理的影响，并证明该方法能确保二阶线性偏微分方程的收敛性，具有广泛的应用潜力。

物理启发神经网络（PINNs）结合深度学习和物理原理解决偏微分方程。研究通过神经切向核（NTK）分析优化复杂性，发现高斯激活函数更有效。引入预处理神经网络架构提升优化，并通过偏微分方程验证理论。

PINNs 偏微分方程 深度学习 神经切向核 高斯激活函数
原文中文，约300字，阅读约需1分钟。发表于：。
阅读原文
分享给好友