BriefGPT - AI 论文速递 · 2024-02-13T00:00:00Z 通过图神经网络和深度算子网络学习时变 PDE 以实现在不规则网格上的鲁棒性精度 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本论文提出了一个名为“GrADE”的新框架，用于解决非线性偏微分方程的时间依赖性问题。该框架结合了FNN、Graph Neural Network和神经ODE框架，并使用注意机制来提高性能。研究结果表明，该框架在解决PDE建模问题上表现出色。 🏷️ 标签 FNN GrADE Graph Neural Network 时间依赖性 神经网络 非线性偏微分方程 阅读原文 生成长图 分享链接 已复制链接
