arXiv 机器学习· Yifei Sun·· 1 天前AI 评分33
横向子空间学习：面向无散度算子学习的极小表示
Learning in the Transverse Subspace: A Minimal Representation for Divergence-Free Operator Learning
AI 导读
研究提出一种无散度算子学习的极小表示方法，利用 Householder 正交变换将 D 维实数 D 分量无散度场编码为 (D-1) 分量场。神经算子完全在该降维子空间中学习时间演化，推理时无需事后投影即可直接解码为物理无散度场。该方法通过消除非约束的纵向或零空间方向，在天然保证无散度特性的同时降低了预测误差并增强了鲁棒性。
来源：arXiv 机器学习 · arxiv.org