-
公开(公告)号：CN120012862A
公开(公告)日：2025-05-16
申请号：CN202510124318.9
申请日：2025-01-26
Applicant: 北京工业大学
IPC: G06N3/084 , G06N3/0499 , G06F17/13
Abstract: 本发明涉及一种基于损失曲面的改进物理信息神经网络训练的方法，用于提高PINNs的预测精度。包括以下步骤：首次发现PINNs残差损失的损失曲面中不同全局极小值点对应着不同边界与初始条件的解，并且在损失曲面中可以形成低损失值的连通区域；用全连接神经网络只优化边界与初始条件损失至网络权重参数model*；用同一神经网络从权重参数model*开始训练边界与初始条件损失与残差损失的加权和，其中通过一个大权值λ固定住边界/初始条件，从而在残差损失曲面中找到当前边界与初始条件对应的残差损失的全局极小值点。将本发明在不同的偏微分方程上进行验证，实验结果显示本发明可以降低PINNs的预测误差。
Search Results
1
records
(took 0.018 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
