跳到主要内容
检索

# 神经残差迭代

1 篇关联报道

订阅更新
  1. arXiv

    弱残差直接驱动网络更新:NeRI 在非对称与低正则椭圆问题上误差低于 PINN 与 WAN

    NeRI 把椭圆算子方程的求解改成由当前弱残差驱动的单步网络更新:每一步构造一个依赖当前近似状态的线性泛函,其对试探函数的导数正好还原当前弱残差,因此不需要全局能量泛函,也不需要额外的检验网络。它可视为用神经正切核预条件的经典残差迭代,并可通过罚方法与硬约束参数化扩展到椭圆变分不等式。在带角点奇异的非对称问题、间断扩散系数问题和障碍型变分不等式的数值实验中,NeRI 的相对误差均小于所比较的 PINN 与 WAN。

已读完全部报道