分数阶扩散方程的神经网络求解不再被记忆项拖住：预计算Hermite权重，相对L2误差降到1.98×10⁻⁵
半线性时间分数阶反应–扩散方程的神经网络求解，把Caputo记忆项改写成三次Hermite乘积积分：每个时间面板用神经网络状态及其自动微分时间斜率作端点数据，弱奇异权重在训练前一次算好。在v(t)=t4.2的标量基准上，Hermite记忆近似在测试网格上比经典L1公式精确三到六个数量级；对α=0.7的制造解问题，小型CPU训练网络取得1.98×10⁻⁵的相对L2误差和3.80×10⁻⁵的最大误差。