Core Concepts
HyResPINNs는 표준 신경망과 방사 기저 함수(RBF) 네트워크를 결합하여 기존 PINN보다 정확하고 효율적으로 복잡한 물리 시스템을 모델링하는 새로운 종류의 Physics-Informed Neural Network(PINN) 아키텍처입니다.
Abstract
HyResPINNs: 물리 정보 모델링을 위한 적응형 하이브리드 잔차 네트워크 연구 논문 요약
제목: HyResPINNs: Adaptive Hybrid Residual Networks for Learning Optimal Combinations of Neural and RBF Components for Physics-Informed Modeling
저자: Madison Cooley, Robert M. Kirby, Shandian Zhe, & Varun Shankar
기관: Scientific Computing and Imaging Institute, University of Utah, Salt Lake City, UT 84112, USA
연락처: mcooley@sci.utah.edu, kirby, shankar, zhe@cs.utah.edu
본 연구는 편미분 방정식(PDE)의 수치적 해를 위한 새로운 종류의 물리 정보 신경망(PINN)인 HyResPINNs를 제안합니다. HyResPINNs는 표준 신경망과 방사 기저 함수(RBF) 네트워크를 결합하여 기존 PINN보다 정확하고 효율적으로 복잡한 물리 시스템을 모델링하는 것을 목표로 합니다.