Bayesian Reasoning for Physics Informed Neural Networks
Dieser Beitrag stellt eine evidenzbasierte bayessche Formulierung von physik-informierten neuronalen Netzen vor, die eine Laplace-Näherung zur analytischen Berechnung der Modell-Evidenz nutzt und damit eine effiziente, stichprobenfreie automatische Optimierung der Verlustgewichte sowie eine Unsicherheitsquantifizierung über verschiedene partielle Differentialgleichungen hinweg ermöglicht.