混合时间PINN建模混合动力系统
热点事件观察中
混合时间PINN建模混合动力系统
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月，研究者Shivanshu Tripathi和Maziar Raissi提出混合时间物理信息神经网络（HT-PINNs）以解决混合动力系统建模难题。 该方法将混合时域划分为多个区间，为每个区间分配独立神经网络，并与跳跃时间及未知参数进行联合训练。 实验通过枚举确定跳跃次数和模式序列，成功恢复了跳跃球模型的系数及机器人拆解中的摩擦系数，误差分别为0.1%和1.7%。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv · AIHybrid-time PINNs: Discontinuity-Aware Physics-Informed Neural Networks for Learning Hybrid Dynamical Systems
HT-PINNs 提出将混合时域划分为多个区间，为每个区间分配独立神经网络，并与跳跃时间、未知参数联合训练。 该方法通过枚举确定跳跃次数和模式序列，成功恢复跳跃球模型的系数及机器人拆解中的摩擦系数，误差分别为 0.1% 和 1.7%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。