arXiv发布Monge-Ampère均衡网络曲率界限研究

2026年10月22日，arXiv数学物理预印本平台发布题为《Convex Equilibrium Potentials for Monge-Ampère: Curvature Bounds and A Posteriori Evaluation》的论文（版本v1）。该研究由ML（cs.lg）分类，文件大小为101 KB。 论文针对平衡神经网络求解全非线性偏微分方程时，二阶导数随网络深度增长而放大的问题，提出了具体的数学解决路径。研究核心在于证明非负 softplus 平衡网络的 Hessian 增长界为 $(1-q)^{-2}$，并指出该指数增长系数是紧致的，为网络稳定性提供了理论依据。 在方法论上，该研究结合了区间算术技术与残差后验估计。作者指出，这一组合方法能够对固定训练网络的解误差给出严格且统一的界限。在单位圆域的人工 Dirichlet 问题测试中，结果显示所有训练模型的残差均低于 0.25，且边界误差控制在 0.01 以内，验证了方法的有效性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。