学术报告报告主题: RINN: 偏微分方程的秩启发神经网络方法
报 告 人: 易年余 教授（湘潭大学）
报告时间：2025年6月5日（星期四）下午16:30-17:30
报告地点：37号楼3A02
邀 请 人: 何志坚教授、谷亚光副教授
欢迎广大师生前往！
数学学院
2025年5月28日
报告摘要：
PINNs和ELM等神经网络方法具有通用性强、用户友好、代码生态完善等优势，但可解释性差、存在参数敏感等不确定性。在本报告中，我们介绍基于秩启发的神经网络方法，以解决物理信息极值学习方法求解效果对权值初始化敏感的问题。秩启发神经网络算法的训练过程分两个阶段，第一阶段进行非线性优化过程训练隐藏层权值参数，使最后一层隐藏层输出函数满足正交性约束，第二阶段冻结隐藏层参数，利用线性最小二乘法确定输出层参数来求解偏微分方程。大量的数值实验表明，与物理信息极值学习方法相比，秩启发神经网络方法显著降低了由参数初始化引起的性能差异，能保持求解的高精度。
报告人介绍：
易年余，博士，湘潭大学数学与计算科学学院教授。主要从事有限元高精度理论、自适应方法、偏微分方程神经网络方法研究，在计算数学刊物发表论文30多篇。