FastLRNR 与稀疏物理信息反向传播
机器学习
2026-01-15 v1 人工智能
数值分析
数值分析
摘要
我们介绍了稀疏物理信息反向传播 (SPInProp)，这是一种用于加速名为低秩神经表示 (LRNR) 的特殊神经网络架构反向传播的新方法类。该方法利用 LRNR 中的低秩结构，构建一个规模更小的神经网络近似模型，称为 FastLRNR。我们展示了 FastLRNR 的反向传播可以替代 LRNR 的反向传播，从而实现显著的复杂度降低。我们将 SPInProp 应用于物理信息神经网络框架，演示了参数化偏微分方程求解的加速。
引用
@article{arxiv.2410.04001,
title = {FastLRNR and Sparse Physics Informed Backpropagation},
author = {Woojin Cho and Kookjin Lee and Noseong Park and Donsub Rim and Gerrit Welper},
journal= {arXiv preprint arXiv:2410.04001},
year = {2026}
}
备注
10 pages, 3 figures