Op natuurkunde gebaseerde neurale netwerken met leerbare verliesbalancering en overdrachtsleren

arXiv:2605.05217v1 Aankondiging Type: nieuw Samenvatting: We stellen een zelfgecontroleerd fysica-geïnformeerd neuraal netwerk (PINN) raamwerk voor dat op adaptieve wijze fysica-gebaseerd en datagestuurd toezicht in evenwicht brengt voor wetenschappelijk machinaal leren onder gegevensschaarste. In tegenstelling tot eerdere PINN's die afhankelijk zijn van een vaste of heuristische weging van natuurkundige residuen en gegevensverlies, introduceert onze aanpak een leerbaar mengneuron dat de relatieve bijdrage van elke term dynamisch aanpast op basis van hun onzekerheden. Deze monteur