Aug, 2024
领域解耦的物理启发神经网络及其封闭形式梯度用于动态系统快速模型学习
Domain-decoupled Physics-informed Neural Networks with Closed-form
Gradients for Fast Model Learning of Dynamical Systems
TL;DR本研究解决了物理启发神经网络（PINN）在处理大型复杂非线性动态系统时的局限性。提出的领域解耦物理启发神经网络（DD-PINN）通过解耦时间域与前馈神经网络，提高了训练效率和预测精度，显著缩短了训练时间并保持了准确性。验证结果显示，该方法能够有效学习之前难以处理的大型动态系统，在多种系统上取得了优异表现。