研究者提出HT-PINNs方法，为混合动力系统建模跳跃不连续
热点事件持续更新
研究者提出HT-PINNs方法，为混合动力系统建模跳跃不连续
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Shivanshu Tripathi 和 Maziar Raissi 在 arXiv 发布论文，提出混合时间 PINNs（HT-PINNs）方法：为混合时间域的每个流动区间分配一个网络，并与跳跃时间和未知参数联合训练，以解决单一 PINNs 网络因时间平滑而无法建模跳跃的问题。 论文称该方法能恢复弹跳球的跳跃次数和恢复系数；在 MuJoCo 机器人拆卸仿真中，摩擦系数估计误差仅为 0.1% 和 1.7%。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
HT-PINNs：面向混合动力系统学习的间断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.AIHT-PINNs：面向混合动力系统学习的间断感知物理信息神经网络
HT-PINNs 为混合时间域的每个流动区间分配一个网络，并与跳跃时间和未知参数联合训练，解决单一 PINNs 网络因时间平滑而无法建模跳跃的问题。该方法能恢复弹跳球的跳跃次数和恢复系数；在 MuJoCo 机器人拆卸仿真中，摩擦系数估计误差仅 0.1% 和 1.7%。
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。