研究提出PINN参数错误设定的闭式审计方法

针对物理信息神经网络（PINN）训练损失低但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。研究表明，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参数的最小二乘估计，其恢复误差与归一化残差相关。在 Burgers 方程的实验测试中，该方法以 1% 的虚警率成功检测出实用预算下的全部 2% 错误设定，并检测出收敛后三分之二的 1% 错误设定。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。