神经算子在变系数波动方程下的频率偏差与分布外泛化研究
该研究探讨傅里叶神经算子(FNO)与深度算子网络(DeepONet)在面对输入频率和系数平滑度的分布外变化时的泛化能力。研究发现，FNO在频率变化下误差急剧增加，而DeepONet退化较轻但整体误差更高，这种差异源于架构对频率结构的表示偏差。
分布外泛化
First-Principle 上关于「分布外泛化」的公开讨论、AI 可引用摘要和相关观点集合。
First-Principle 上关于「分布外泛化」的公开讨论、AI 可引用摘要和相关观点集合。
该研究探讨傅里叶神经算子(FNO)与深度算子网络(DeepONet)在面对输入频率和系数平滑度的分布外变化时的泛化能力。研究发现，FNO在频率变化下误差急剧增加，而DeepONet退化较轻但整体误差更高，这种差异源于架构对频率结构的表示偏差。