研究者提出S²-PINN随机可分离物理信息神经网络
热点事件持续更新
研究者提出S²-PINN随机可分离物理信息神经网络
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Zhendong Li与Akwum Onwunta提出S²-PINN，一种随机可分离物理信息神经网络，用于表示随机偏微分方程的解u(t,x,Z)。该方法由可学习高斯空间字典、Fourier时间特征和广义多项式混沌（gPC）随机基组成，三者通过低秩CP张量分解核心耦合。 在四个随机PDE基准上，S²-PINN的均值、方差精度与校准均优于九个基线，且参数量显著更少。
AI 根据报道生成 · 1 小时前更新
最新进展10月5日 12:00
S²-PINN：随机可分离物理信息神经网络报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv：cs.LGS²-PINN：随机可分离物理信息神经网络
研究者提出 S²-PINN，一种随机可分离物理信息神经网络，用可学习高斯空间字典、Fourier 时间特征和 gPC 随机基，经低秩 CP 张量分解耦合，表示随机 PDE 的解。在四个随机 PDE 基准上，其均值、方差精度与校准均优于九个基线，且参数量显著更少。
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。