arXiv 机器学习· Kalp Shah, Andrei Vlad Nicula, Mihnea Andrei B\^arsan, Robert-Stefan Sofroni, Agneya Bhardwaj, Jan Jel\'inek, Alejandro Valverde Mahou·· 8 小时前AI 评分30
面向 2D 与 3D 拉普拉斯问题的富集全纯神经网络
Enriched Holomorphic Neural Networks for 2D and 3D Laplace Problems
AI 导读
研究人员将全纯神经网络与局部奇异函数结合，提出用于求解 2D 和 3D 拉普拉斯边值问题的富集模型。该表示天然调和而无需内部残差，奇异指数支持训练，并利用沿复零方向的独立网络扩展至三维。实验显示该模型在所有测试问题中精度均排第一，在含多个奇异点的 CdZnTe 辐射探测器上比次优方法精度提高约 1.7-2.1 倍。
来源：arXiv 机器学习 · arxiv.org