基于物理信息神经网络（PINNs）逼近非线性色散偏微分方程
数值分析
2022-05-19 v2 数值分析
摘要
我们提出一种基于物理信息神经网络（PINNs）的新算法，以高效逼近如 KdV-Kawahara、Camassa-Holm 和 Benjamin-Ono 方程之类的非线性色散偏微分方程的解。利用这些色散偏微分方程解的稳定性，证明所得误差的严格界。我们给出若干数值实验以表明 PINNs 能非常精确地逼近这些色散偏微分方程的解。
引用
@article{arxiv.2104.05584,
title = {Physics Informed Neural Networks (PINNs)for approximating nonlinear dispersive PDEs},
author = {Genming Bai and Ujjwal Koley and Siddhartha Mishra and Roberto Molinaro},
journal= {arXiv preprint arXiv:2104.05584},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2006.16144