10:01
官方账号arXiv cs.LG@Shivani Saini, Ramesh Kumar Vats, Arup Kumar Sahoo
推荐理由：这篇论文提出了SpectONet，在梁振动问题上比传统DeepONet误差降低至少64%，物理一致性更好，值得研究结构动力学的朋友一看。
结构振动
共 1 条相关 AI 资讯
7月29日
10:01
该论文提出SpectONet，融合DeepONet与物理约束和Chebyshev-Gauss-Lobatto非均匀传感器放置。相比传统DeepONet使用均匀传感器，SpectONet在边界附近集中采样，提升边界敏感结构响应的表示效率。在三个合成EBB振动问题和真实桥梁振动数据集上，SpectONet相比Vanilla DeepONet、PI-DeepONet、PINN、CNN-UNet等基线，预测误差降低至少64%（合成问题）和至少37%（实测问题）。该方法实现了准确、计算高效且物理一致的算子学习框架。