10:13
arXiv cs.LG@Gift Modekwe, Qiugang Lu
推荐理由：这篇论文讲怎么用迁移学习加速电池PINN模型训练，能跨电池用，省时间还准，做电池仿真的可以看看。
全部 AI 动态
AI 相关资讯全量信息流
6月29日
10:13
本研究提出一种迁移学习框架，用于基于单粒子模型含电解质（SPMe）的物理信息神经网络（PINN）训练。模型首先在通用电化学动力学数据上预训练，然后通过权重迁移、冻结部分层并微调剩余参数适配目标电池。使用PyBaMM验证表明，该方法能准确预测电压，保持电化学一致性。相比从头训练，迁移学习显著减少训练时间，实现跨电池高效泛化。
6月16日
20:46
AITOP6月16日 20:46
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
6月2日
12:02
12:02
arXiv cs.LG@Henry Kasumba, Ronald Katende
推荐理由：做偏微分方程数值模拟的团队，可以用PINN残差替代传统误差估计器来指导网格自适应，显著节省计算资源——60个自由度就能达到192个自由度的精度，值得在工程仿真中试试。
5月11日
11:44
11:44arXiv cs.LG（学术论文）
推荐理由：该工作为物理信息神经网络在稀疏传感交通估计中的实际部署提供了实用框架，残差引导的域分解策略可推广至其他涉及不连续性的PINN应用，其训练效率提升对资源受限场景有直接价值。