arXiv：cs.LG（机器学习，全量分类）· Yuan Guo, Hanshu Chen, Qiang Xi, Timon Rabczuk, Zhuojia Fu·· 1 天前AI 评分29
KernelOnet：基于核函数的可解释神经算子
KernelOnet: An Interpretable Neural Operator Based on Kernel Functions
AI 导读
论文提出可解释神经算子框架 KernelOnet，将核函数显式嵌入神经算子架构，用显式核替代 DeepONet 的 trunk 网络，提供数据驱动可学习核、物理信息核与混合核三种互补核。在三个基准和浅水波导工程问题上，KernelOnet 精度高，与 DeepONet 可比时以更少可学习参数取得更高精度；其无监督配置无需内部解标签，单次查询推理成本远低于逐实例求解器。
来源：arXiv：cs.LG（机器学习，全量分类） · arxiv.org