跳到正文
arXiv · ML· Brenda Anague, Bamdad Hosseini, Issa Karambal, Jean Medard Ngnotchouye·· 3 天前AI 评分20

基于物理信息神经网络在平流-扩散方程中联合估计源与参数的加权自适应方法

Physics-Informed Neural Networks for Joint Source and Parameter Estimation in Advection-Diffusion Equations

AI 导读

提出基于物理信息神经网络(PINNs)神经切核(NTK)的加权自适应方法,解决平流-扩散方程在稀疏测量下的源与参数联合反演问题。 该方法将底层偏微分方程作为约束耦合未知量,提升有限测量信息的利用效率,并推导了已知速度与扩散系数下源函数近似误差的理论界限。 数值实验验证了该方法在二维和三维场景中对测量噪声的鲁棒性,证实了PINNs在此类逆问题中的有效性能。

来源:arXiv · ML · arxiv.org