基于域分解的改进型 Physics-Informed 混合并行 Kolmogorov--Arnold 与多层感知机架构
数值分析
2025-11-27 v2 数值分析
摘要
本文提出一种改进型混合并行 Kolmogorov--Arnold 网络与多层感知机 Physics-Informed 神经网络，以克服Physics-Informed 神经网络中固有的高频与多尺度挑战。该模型具备可训练的加权参数，用于优化Kolmogorov--Arnold 网络与多层感知机输出的凸组合，从而最大化两者捕获不同频率成分的能力。此外，采用重叠域分解技术将复杂问题分解为子问题，从而缓解全局优化的挑战。基准结果表明，与通过手动调参解决高频多尺度问题相比，本方法减少了训练成本并提高了计算效率。
引用
@article{arxiv.2511.11228,
title = {The modified Physics-Informed Hybrid Parallel Kolmogorov--Arnold and Multilayer Perceptron Architecture with domain decomposition},
author = {Qiumei Huang and Xu Wang and Yu Zhao},
journal= {arXiv preprint arXiv:2511.11228},
year = {2025}
}