Bayesian Reasoning for Physics Informed Neural Networks
Dit artikel introduceert een door bewijs gedreven Bayesiaanse formulering van Physics-Informed Neural Networks die gebruikmaakt van een Laplace-benadering om modelbewijs analytisch te berekenen, waardoor efficiënte, steekproefvrije automatische optimalisatie van verliesgewichten en kwantificatie van onzekerheid mogelijk wordt voor diverse partiële differentiaalvergelijkingen.