FT-PINN 实现激波特征自动追踪
热点事件观察中
FT-PINN 实现激波特征自动追踪
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
研究者 Akshay Thakur 与 Matthew Zahr 提出特征追踪型物理信息神经网络 FT-PINN：把解网络定义在固定参考域上，再与参数化非线性流形上的微分同胚变形映射复合，通过联合训练让配点自动聚集到激波等特征附近。 在含合并激波的 Burgers 方程、Euler 激波管和二维正则激波反射四个测试问题上，FT-PINN 在有限配点预算下准确定位激波；相同架构与预算的普通 PINN 则定位错误或无法形成激波。
AI 根据报道生成 · 14 小时前更新
最新进展10月5日 12:00
FT-PINN：通过联合优化非线性变形流形实现物理信息神经网络的特征追踪报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv stat.MLFT-PINN：通过联合优化非线性变形流形实现物理信息神经网络的特征追踪
研究者提出特征追踪型物理信息神经网络 FT-PINN，将解网络定义在固定参考域上并与参数化非线性流形上的微分同胚变形映射复合，通过联合训练使配点自动聚集在激波等特征附近。在含合并激波的 Burgers 方程、Euler 激波管和二维正则激波反射四个测试问题上，FT-PINN 在有限配点预算下准确定位激波，而相同架构与预算的普通 PINN 则定位错误或无法形成激波。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。