| 标题 |
  Advancements and Future Directions in Loss Function Designs for Physics-Informed Neural Networks: A Comprehensive Review 相关领域
计算机科学
嵌入
可扩展性
桥接（联网）
加权
人工神经网络
功能（生物学）
转化式学习
深度学习
不确定度量化
人工智能
趋同（经济学）
正规化（语言学）
缩放比例
数学优化
适应（眼睛）
偏微分方程
搭配（遥感）
灵活性（工程）
机器学习
|
| 网址 | |
| DOI | |
| 其它 |
期刊：Journal of Scientific Computing 作者：Mohsen Esmaeilbeigi; Daniela Annunziata; Salvatore Cuomo; Francesco Piccialli 出版日期：2026-08-29 |
| 求助人 | |
| 下载 | 求助已完成，仅限求助人或该文件上传人下载。 |
|
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)
null
酸味yjm
吃葡萄不吐葡萄皮
忧心的曼凝
Nole
学霸业
GingerF
luli
Criminology34
俊逸的映易
Gp1983
369ninja
VDC
MchemG
auqkhter
无极微光
YUYU
v0id
kento
OK
皖公网安备34019202002308
