面向物理增强学习的结构约束
机器学习
2024-10-10 v1 系统与控制
系统与控制
摘要
当物理模型错误时，物理信息化机器学习将变为物理误导的机器学习。强大的黑箱模型不应能够隐藏被误解的物理。我们提出了两个准则，可用于断言混合（物理+黑箱）模型的完整性：0) 黑箱模型不应能够复制物理模型；1) 任何最佳拟合混合模型的物理参数应与最佳拟合独立物理模型的物理参数相同。我们针对由其小信号线性化近似的样本非线性机械系统进行演示。
引用
@article{arxiv.2410.05507,
title = {Structural Constraints for Physics-augmented Learning},
author = {Simon Kuang and Xinfan Lin},
journal= {arXiv preprint arXiv:2410.05507},
year = {2024}
}