From Simple to Complex: Curriculum-Guided Physics-Informed Neural Networks via Gaussian Mixture Models
यह शोध पत्र करिकुलम-गाइडेड गॉसियन मिक्स्चर फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क (CGMPINN) का प्रस्ताव करता है, जो एक नवीन ढांचा है जो जटिल आंशिक अंतर समीकरणों (PDEs) को हल करने में प्रशिक्षण चुनौतियों को संबोधित करने के लिए डायनेमिक करिकुलम लर्निंग के साथ गॉसियन मिक्स्चर मॉडलिंग को एकीकृत करता है, और विविध बेंचमार्क समस्याओं में मानक PINNs की तुलना में काफी कम त्रुटियां प्राप्त करता है।