| 标题 |
Physics-graph-informed neural networks (PGINNs): From local point-wise constraint to global nodal association 相关领域
人工神经网络
一般化
计算机科学
节点(物理)
数学
分段
偏微分方程
算法
搭配(遥感)
有限元法
数学优化
约束(计算机辅助设计)
趋同(经济学)
深度学习
基质(化学分析)
应用数学
特征(语言学)
拓扑(电路)
函数逼近
人工智能
功能(生物学)
条件编号
收敛速度
操作员(生物学)
反向传播
符号函数
基数(数据建模)
边界(拓扑)
激活函数
领域(数学分析)
随机神经网络
矩阵分解
网络拓扑
前馈神经网络
区域分解方法
|
| 网址 | |
| DOI | |
| 其它 |
期刊:Journal of Computational Physics 作者:Feng Chen; Yiran Meng; Kegan Li; Chaoran Yang; Dexin Zhang 出版日期:2026-01-14 |
| 求助人 | |
| 下载 | |
|
温馨提示:该文献已被科研通 学术中心 收录,前往查看
科研通『学术中心』是文献索引库,收集文献的基本信息(如标题、摘要、期刊、作者、被引量等),不提供下载功能。如需下载文献全文,请通过文献求助获取。
|
PDF的下载单位、IP信息已删除
(2025-6-4)