结合微分方程与神经网络的通用球轨迹预测模型
机器学习
2025-03-26 v2
摘要
本文提出了一种结合物理方程的数据驱动通用球轨迹预测方法。现有方法针对特定球类设计，难以泛化。这一挑战源于三个关键因素。首先，基于学习的模型需要大型数据集，但在未见过的场景中准确率会下降。其次，基于物理的模型依赖复杂的公式和详细的输入，然而准确获取球的状态（如旋转）通常是不切实际的。第三，将物理原理与神经网络相结合以实现高精度、快速推理和强泛化能力仍然困难。为了解决这些问题，我们提出了一种结合基于物理的方程和神经网络的创新方法。我们首先推导了三个广义物理公式。然后，利用神经网络和观测到的轨迹点，我们推断某些参数并拟合其余参数。这些公式使得仅需极少的训练数据（仅几十个样本）即可实现精确的轨迹预测。大量实验证明了我们的方法在泛化能力、实时性能和准确性方面的优越性。
引用
@article{arxiv.2503.18584,
title = {A Universal Model Combining Differential Equations and Neural Networks for Ball Trajectory Prediction},
author = {Zhiwei Shi and Chengxi Zhu and Fan Yang and Jun Yan and Zheyun Qin and Songquan Shi and Zhumin Chen},
journal= {arXiv preprint arXiv:2503.18584},
year = {2025}
}
备注
This submission was made without my advisor's consent, and I mistakenly uploaded an incorrect version of the paper. Additionally, some content in the paper should not be made publicly available at this time, as per my advisor's wishes. I apologize for any inconvenience this may have caused