KdV孤子不再逐参数重训:缩放TW-PINN一次训练,双孤子碰撞后仍能分开
KdV方程的孤子解在色散参数变化时通常要重新训练物理信息神经网络,长时外推也容易失真。缩放TW-PINN先把方程归一化、在归一化坐标里训练一次,再逆缩放回原变量;单孤子情形用行波坐标网络,双孤子情形分两步先学各自速度再学相互作用。数值实验中,双孤子模型在训练域外十倍范围仍保持剖面,三孤子实验也复现了碰撞与分离。
KdV方程的孤子解在色散参数变化时通常要重新训练物理信息神经网络,长时外推也容易失真。缩放TW-PINN先把方程归一化、在归一化坐标里训练一次,再逆缩放回原变量;单孤子情形用行波坐标网络,双孤子情形分两步先学各自速度再学相互作用。数值实验中,双孤子模型在训练域外十倍范围仍保持剖面,三孤子实验也复现了碰撞与分离。
连续思维机器在ImageNet上分类图像时,内部状态沿着一条随每个节拍移动的吸引定点曲线前进,这条曲线的大部分运动对所有图像相同,注意力安排也基本通用,打乱不同图像的查询只损失约7%的准确率。
已读完全部报道