基于初始化增强与域分解的物理信息神经网络（IDPINN）
机器学习
2024-06-06 v1
摘要
我们提出了一种新的物理信息神经网络框架IDPINN，基于初始化增强和域分解以提高预测精度。我们使用小数据集训练一个PINN，以获得初始网络结构，包括加权矩阵和偏置，从而为每个子域初始化PINN。此外，我们利用界面上的光滑性条件来增强预测性能。我们在几个正向问题上进行了数值评估，证明了IDPINN在准确性方面的优势。
引用
@article{arxiv.2406.03172,
title = {Initialization-enhanced Physics-Informed Neural Network with Domain Decomposition (IDPINN)},
author = {Chenhao Si and Ming Yan},
journal= {arXiv preprint arXiv:2406.03172},
year = {2024}
}
备注
20 pages, 14 figures