研究提出基于Ermakov的PINN无参数嵌入层

1. 13:00
   arXiv 机器学习

   基于 Ermakov 的嵌入作为物理信息神经网络无参数层

   研究提出将 Ermakov-Pinney 尺度函数作为无参数嵌入层写入物理信息神经网络（PINN）输入层，仅凭初始数据即可通过矩恒等式闭式求出，无需辅助网络。该方案通过统一结构覆盖线性扩散、时变约束陷阱扩散以及时变频率量子振子三类问题，后两者分别凭借幅度前因子与二次相位因子获得 40.8x 和 5.7x 的精度优势。不过，当约化解未收敛至不动点时，该方法的外推优势将不再存在。

Current heat 8·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.