Een afgeleide-getrouwheidsfaalmodus in physics-informed neural networks: versterkt benchmarkbewijs op basis van functiewaardetraining

arXiv:2609.13171v1 Aankondigingstype: nieuw Abstract: Physics-informed neural networks (PINNs) gebruiken automatische differentiatie om residuen van differentiaalvergelijkingen op te leggen, maar goede overeenstemming in functiewaarden betekent niet per se nauwkeurige afgeleiden. Dit artikel formuleert afgeleide-getrouwheid als een faalwijze van PINNs en test die met eendimensionale benchmarks. Multilayer perceptrons worden alleen getraind op functiewaarden voor sin(x) en exp(x), terwijl tweede afgeleiden verkregen via automatische differentiatie...