Evaluation of Sampling Strategies and Physics-Informed Kolmogorov--Arnold Networks in Unbounded Domains
تقيم هذه الورقة استراتيجيات التعلم المستندة إلى الفيزياء لمشكلات المعادلات التفاضلية الجزئية العكسية في المجالات غير المحدودة، حيث تُظهر أن توزيعات أخذ العينات الغاوسية والأسية تعزز دقة إعادة بناء المجال البعيد، بينما تحقق شبكات كولموغوروف-أرنولد (PIKANS) دقة مماثلة أو متفوقة بعدد أقل من الخلايا العصبية مقارنة بالشبكات متعددة الطبقات التقليدية (MLPs)، وإن كان ذلك بتكلفة حوسبية أعلى.