Complementary, Not Cumulative: Interaction Effects in Physics-Informed Neural Networks for Navier-Stokes Vortex Shedding
Cet article démontre que, bien que les techniques individuelles échouent souvent à améliorer les réseaux de neurones informés par la physique (PINN) pour les écoulements de Navier-Stokes instationnaires, une combinaison complémentaire spécifique d'activations périodiques et de pondération causale permet d'atteindre une grande précision, alors que l'ajout d'autres méthodes entraîne une dégradation catastrophique des performances, prouvant ainsi que les interventions sur les PINN interagissent de manière non linéaire plutôt que cumulative.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.