跳到主要内容
检索

# 积分物理信息神经网络框架

1 篇关联报道

订阅更新
  1. arXiv

    高阶相互作用重建不再对含噪轨迹求导:IntegralPINN改用区间积分残差,社会传播Macro-AUC达0.730

    从含噪、稀疏的时间序列里还原网络中的高阶相互作用,一直受制于微分残差对噪声的放大。IntegralPINN把物理约束改写为时间区间上的积分残差,并用有界可学习张量连续参数化相互作用结构,与神经轨迹代理联合优化。在生态、社会传播与神经元同步三类系统中,其Macro-AUC在含噪观测下高于HyperPINN等对照方法,社会传播一例为0.730对0.585。

已读完全部报道