Jul, 2024

稳定的权重更新:使用深度学习可靠求解偏微分方程

TL;DR本文通过引入基于残差的架构,即简单高速公路网络和平方残差网络,旨在增强物理导向神经网络 (PINN) 的稳定性和准确性,通过在各种线性和非线性、时间依赖和独立的偏微分方程例子上的大量数值实验证明了所提架构的有效性,特别是平方残差网络展现出了优秀的性能,相比传统神经网络实现了增强的稳定性和准确性,这些发现突显了基于残差的架构在推动偏微分方程和计算物理应用的深度学习方面的潜力。