用于在学习动力学模型中强制线性守恒的 Frobenius 最优投影

Research Paper#Machine Learning, Dynamical Systems, Physics-Informed Machine Learning🔬 Research|分析: 2026年1月3日 20:12•
发布: 2025年12月26日 17:11
•
1分で読める
•ArXiv

分析

这篇论文解决了数据驱动建模中的一个关键问题：确保学习模型遵守物理守恒定律。作者提出了一种简单、优雅且计算效率高的方法（Frobenius 最优投影）来修正学习到的线性动力学模型，以强制执行线性守恒定律。这很重要，因为它允许将已知的物理约束整合到机器学习模型中，从而产生更准确和物理上合理的预测。该方法的通用性和低计算成本使其具有广泛的适用性。
引用 / 来源
查看原文
"The matrix closest to $\widehat{A}$ in the Frobenius norm and satisfying $C^ op A = 0$ is the orthogonal projection $A^\star = \widehat{A} - C(C^ op C)^{-1}C^ op \widehat{A}$."
A
ArXiv2025年12月26日 17:11
* 根据版权法第32条进行合法引用。
较旧

Unlocking klockmannite: formation of colloidal quasi-2D CuSe nanocrystals and photo-physical properties arising from crystal anisotropy

较新

Agent-based simulation of online social networks and disinformation

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv