arXiv 机器学习· David McShannon, Nicholas Dietrich·· 5 小时前AI 评分31
物理信息神经网络中的参数错误设定：闭式审计及其局限
Parameter misspecification in physics-informed neural networks: A closed-form audit and its limits
AI 导读
针对物理信息神经网络（PINN）训练损失低无法反映方程系数设定错误的问题，一项研究评估了仅凭已训练冻结网络推断编码参数的可行性。当残差对参数呈线性时，无需重新训练或参考数据即可通过单次评估获得最小二乘估计，其恢复误差与归一化残差相关。在 Burgers 方程测试中，该方法以 1% 的虚警率检测出实用预算下的全部 2% 错误设定，以及收敛后三分之二的 1% 错误设定。
来源：arXiv 机器学习 · arxiv.org