🤖 machine learning
Complementary, Not Cumulative: Interaction Effects in Physics-Informed Neural Networks for Navier-Stokes Vortex Shedding
本論文は、個々の手法は非定常ナビエ・ストークス流れに対する物理情報に基づくニューラルネットワーク（PINN）の改善においてしばしば失敗する一方で、周期的な活性化関数と因果的重み付けの特定の相補的な組み合わせは高い精度を達成するが、さらなる手法の追加は壊滅的な性能低下を招くことを示しており、これはPINNへの介入が累積的ではなく非線形に相互作用することを証明している。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。