.png){kind=icon}
返回
Sobolev Training for Operator Learning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jcp.2025.114408.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• Sobolev Training for Operator Learning: 该研究探讨了Sobolev Training如何通过将导数信息纳入损失函数来改进算子学习框架，并持续提升模型性能，超越整体基线。
• Derivative Approximation Algorithm: 一个关键贡献是开发了一种在非规则网格上近似导数的算法，该算法与算子学习模型进行了集成。
• Convergence Analysis: 该研究首次在算子学习背景下进行了收敛性理论分析，表明在损失函数中包含导数信息可提高收敛速率。
期刊
IF:
3.8
论文数:
1.6W
被引数:
7.4W
机构
查看更多机构
引用论文
暂无论文信息