研究者提出混合时间PINN建模混合动力系统
热点事件持续更新
研究者提出混合时间PINN建模混合动力系统
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Shivanshu Tripathi 与 Maziar Raissi 提出混合时间物理信息神经网络（HT-PINNs），为混合时间域的每个连续流区间各分配一个网络，并与跳变时刻、未知参数联合训练，以建模混合动力系统中的离散跳变。 该方法通过枚举确定跳变次数与模态序列。在弹跳球案例中，它恢复了跳变次数与恢复系数；在 MuJoCo 机器人拆解仿真中，以 0.1% 和 1.7% 的误差估计出静摩擦与动摩擦系数。
AI 根据报道生成 · 45 分钟前更新
最新进展10月27日 12:00
Hybrid-time PINNs：面向混合动力系统的跳变感知物理信息神经网络报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIHybrid-time PINNs：面向混合动力系统的跳变感知物理信息神经网络
研究者提出 hybrid-time PINNs（HT-PINNs），为混合时间域的每个连续流区间各分配一个网络，并与跳变时刻、未知参数联合训练，从而建模混合动力系统中的离散跳变。该方法通过枚举确定跳变次数与模态序列，在弹跳球案例中恢复了跳变次数与恢复系数；在 MuJoCo 机器人拆解仿真中，以 0.1% 和 1.7% 的小误差估计出静摩擦与动摩擦系数。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。