2025《物理信息神经网络研究文献综述》2100字.docx

PAGE2

物理信息神经网络研究文献综述

1.1发展概述

如上所述，深度学习神经网络在解决了很多复杂的实际问题的同时也表现出了优越的智能特性。传统的深度学习神经网络大多是基于数据驱动的，在网络参数的训练中，神经网络基于已知数据集采用优化算法最小化网络输出和实际结果之间的范数。但是在复杂的物理、生物或工程系统中，数据采集的成本通常是较高的，海量数据的获取和整理是问题解决过程中的首道难关；若向神经网络中输入过多的数据也会使得网络缺乏鲁棒性，容易出现过拟合现象从而导致泛化能力下降，进而极大影响问题的求解精度。传统的基于数据驱动的深度学习算法虽然也能精确地识别出高维度的输入和输出数据之间的逻