Effiziente Auswahl von Trainingsbeispielen für Physics-Informed Neural Networks zur Verbesserung der Leistung

Die Arbeit stellt den ersten Algorithmus vor, der die Auswahl aller Trainingsbeispieltypen für Physics-Informed Neural Networks (PINNs) gemeinsam optimiert und dabei den Anteil der verschiedenen Kollokationspunkttypen während des Trainings automatisch anpasst.