Finde Modelle, Firmen und Themen

Ein neuer Beitrag auf arXiv stellt ein innovatives Modell vor, das die Rekonstruktion großer Wellenfelder deutlich beschleunigt und gleichz…

Wissenschaftler haben ein innovatives Mapping-Paradigma entwickelt, das die Eingabe­koordinaten von physik­informierten neuronalen Netzen (…

Physik-informierte neuronale Netzwerke (PINNs) ermöglichen die Rekonstruktion von Strömungen, indem sie spärliche Geschwindigkeitsmessungen…

Ein neu entwickeltes Lagged Backward-Compatible Physics-Informed Neural Network (LBC‑PINN) ermöglicht die Simulation und Inversion der eind…

Die neu entwickelte Methode naPINN (Noise‑Adaptive Physics‑Informed Neural Network) setzt neue Maßstäbe für die Analyse von Messdaten, die…

Ein kürzlich auf arXiv veröffentlichtes Papier mit der Referenz arXiv:2601.14517v1 präsentiert einen einheitlichen Rahmen für die beiden fü…

In einer kürzlich veröffentlichten Studie auf arXiv wird ein innovatives Prüfverfahren vorgestellt, das die Treue von Physics‑Informed Neur…

Physik-informierte neuronale Netze (PINNs) lösen Differentialgleichungen ohne Gitter, indem sie physikalische Gesetze direkt in das Trainin…

Die Lösung partieller Differentialgleichungen (PDEs) ist ein zentrales Thema in Technik und Naturwissenschaften. Traditionelle Verfahren er…

Die präzise Bestimmung des Ladezustands (State of Charge, SOC) ist entscheidend für die Sicherheit, Zuverlässigkeit und Leistungsoptimierun…

Ein neues Tool namens Lang‑PINN nutzt große Sprachmodelle, um physikinformierte neuronale Netzwerke (PINNs) direkt aus einfachen Textbeschr…

Physik-informierte neuronale Netze (PINNs) ermöglichen meshfreie Lösungen von partiellen Differentialgleichungen, sind jedoch stark von der…

In einer neuen Veröffentlichung auf arXiv wird gezeigt, dass stochastische Gradientenverfahren – die in der Praxis häufig zum Trainieren vo…

Ein neues Papier, das auf arXiv veröffentlicht wurde, untersucht systematisch, wie die Verteilung der Trainingspunkte die Genauigkeit von p…