★ 2
物理知识注入历史数据比强制物理约束更有效
研究提出物理信息循环神经网络PIRNN，在预测目标序列的同时估计历史数据与预测期内的不可观测中间物理变量，提升模型鲁棒性与可解释性。以Gardenia地下水模型为案例，在12个真实数据集上PIRNN于其中5个取得最优表现，消融实验表明物理背景知识对时序预测至关重要。预测的物理变量一致性由领域专家评…
arXiv cs.AI45 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究提出物理信息循环神经网络PIRNN，在预测目标序列的同时估计历史数据与预测期内的不可观测中间物理变量，提升模型鲁棒性与可解释性。以Gardenia地下水模型为案例，在12个真实数据集上PIRNN于其中5个取得最优表现，消融实验表明物理背景知识对时序预测至关重要。预测的物理变量一致性由领域专家评…