基于逐元素乘法的更深物理信息神经网络
机器学习
2024-09-13 v4 人工智能
神经与进化计算
摘要
作为求解偏微分方程的有前景框架，物理信息神经网络受到了工业界和科学界的广泛关注。然而，表达能力不足和初始化病态问题阻碍了其在复杂偏微分方程中的应用。在本文中，我们提出更深物理信息神经网络来解决这些问题。采用逐元素乘法运算将特征变换到高维非线性空间。得益于逐元素乘法运算，Deeper-PINN可以缓解物理信息神经网络的初始化病态并增强表达能力。在多个基准上验证了所提结构。结果表明Deeper-PINN能有效解决初始化病态并表现出强大的表达能力。
引用
@article{arxiv.2406.04170,
title = {Element-wise Multiplication Based Deeper Physics-Informed Neural Networks},
author = {Feilong Jiang and Xiaonan Hou and Min Xia},
journal= {arXiv preprint arXiv:2406.04170},
year = {2024}
}