我们通过将偏微分方程表示为神经网络来发现PDE，采用类似物理信息神经网络的中间状态。使用惩罚方法和约束区域障碍方法解决优化问题，并在数值示例中比较。结果表明，约束方法在高噪声或少插值点时表现更好。我们使用传统方法解决这些神经网络PDE，而不是依赖自动微分的PINN方法。