一种基于物理知识的机器学习方法解决分布阶分数微分方程
原文中文，约200字，阅读约需1分钟。发表于：。本文研究了一种利用物理知识的机器学习框架解决分布阶分数微分方程的新方法，填补了现有方法在这一领域的不足。论文通过将支持向量回归（SVR）算法扩展为嵌入分布阶函数方程的学习过程，并结合高斯正交多项式提升计算效率。研究结果表明，该方法在数值实验中表现出色，对开展相关应用具有重要影响。
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。实验证明该方法在基准问题上的优越性能，提高了物理先验机器学习的泛化能力，为外推和预测提供了准确的解决方案。
