arXiv 机器学习· Yuan Guo, Hanshu Chen, Qiang Xi, Timon Rabczuk, Zhuojia Fu·· 1 天前AI 评分33
KernelOnet：基于核函数的可解释神经算子框架
KernelOnet: An Interpretable Neural Operator Based on Kernel Functions
AI 导读
研究人员提出可解释神经算子框架 KernelOnet，通过显式核函数替代传统 DeepONet 的 trunk 网络，并提供数据驱动核、物理信息核与混合核三种形式。在三个基准测试和浅水波导工程问题中，KernelOnet 相比 DeepONet 以更少的可学习参数实现了更高精度，且无监督配置无需内部解标签。该模型的单次查询推理成本远低于逐实例求解器。
来源：arXiv 机器学习 · arxiv.org