一種求解偏微分方程的動(dòng)態(tài)平衡物理信息神經(jīng)網(wǎng)絡(luò)

摘要： 近年來,物理信息神經(jīng)網(wǎng)絡(luò)(physics-informed neural networks, PINNs)在求解非線性偏微分方程(partial differential equations, PDEs)中得到了大量應(yīng)用. PINN將物理信息作為正則化約束加入神經(jīng)網(wǎng)絡(luò)損失函數(shù),可以減少傳統(tǒng)神經(jīng)網(wǎng)絡(luò)方法對(duì)訓(xùn)練數(shù)據(jù)的大量依賴.然而, PINN無法根據(jù)數(shù)據(jù)變化動(dòng)態(tài)調(diào)整損失函數(shù)中各個(gè)損... （共17頁）