09:27
官方账号arXiv cs.LG@Joachim Bona-Pellissier, Giacomo Meanti, Matteo Santacesaria, Lorenzo Rosasco
推荐理由：这篇论文给核方法在物理信息学习里补上了理论短板，证明用高斯核就能渐近满足约束，还跟PINNs比了效果，搞理论的值得看。
PIKS
共 1 条相关 AI 资讯
7月30日
09:27
本论文提出PIKS（物理信息核方法），在通用核（如高斯核或Matérn核）下证明了对线性微分约束的普适一致性，即估计器能渐近学习目标并满足物理约束。作者推导了在适当源条件下的有限样本界，将经典核方法的算子理论分析扩展至物理信息机器学习。数值实验表明，PIKS在多个问题上与PINNs及传统有限元方法具有竞争力。