面向耗散系统的离散时间深度循环神经网络建模方法 DissipNet
在物理人工智能（Physical AI）领域，AI系统需兼顾高预测精度并保持动态系统的基本物理特性。为此，研究人员提出了一种深度离散时间耗散循环神经网络（DissipNet）。该网络通过结构化权重约束和专用训练算法，显式强化了耗散性这一关乎系统稳定性和能量耗散的关键物理属性，旨在提升对真实世界动态系统的建模、预测与控制能力。
推荐理由将物理耗散性先验融入深度循环神经网络结构中，是物理AI和动态系统建模领域的重要前沿研究。
原标题：Data-driven discrete-time deep recurrent neural network-based modeling for dissipative systems
阅读 arXiv 机器学习 原文 ↗