arXiv cs.LG· Shunye Wang, Haochen Wen, Shuo Li Liu, Xuanyi Wang, Lihao Liu, Zhongying Deng·· 25 天前AI 评分31
神经偏微分方程求解器中学习状态的可迁移性研究
Transferability of Learned States in Neural PDE Solvers
AI 导读
一项新研究针对神经偏微分方程（PDE）求解器提出状态复用评估框架，通过配对状态比较与成本核算，解耦解精度、学习贡献与数值实用性。在涉及傅里叶神经算子与卷积网络的 240 条训练轨迹测试中，预测误差降低有时反而导致共轭梯度（CG）迭代增加，而基于工作量的选择策略在留出任务上可节省 2.50-3.33 次 CG 迭代。
来源：arXiv cs.LG · arxiv.org