训练精度显著提升
利用多视图迁移学习和Huber损失，显著提高求解非线性薛定谔方程的物理信息神经网络精度。
Yikai, Chen · Hongli, Xiao · Teng, Xiao · 刘文军 · 蓝龙
Information Fusion 2024
多视图迁移学习利用不同初始-边界条件的预训练模型，显著提升了PINN对非线性薛定谔方程的拟合精度。
与传统PINN使用的均方误差损失相比，Huber损失函数在训练中取得了更优的拟合结果。