我们提出了一个新的半分析物理知情网络（PINN），以解决奇异的边界价值问题。 PINN是一个科学的机器学习框架，为找到部分微分方程的数值解决方案提供了有希望的观点。 PINN在求解各种微分方程方面表现出令人印象深刻的性能，包括与域复杂几何相关的时间依赖性和多维方程。但是，当考虑僵硬的微分方程时，由于光谱偏置，神经网络通常无法捕获溶液的急剧过渡。为了解决此问题，我们在这里开发了半分析的PINN方法，通过使用从边界层分析获得的所谓校正器函数丰富。我们的新富集的PINN准确地预测了奇异扰动问题的数值解。数值实验包括各种类型的奇异扰动线性和非线性微分方程。
translated by 谷歌翻译