使用改进的PINN方法，基于数据驱动的局部波解推导非线性Schrödinger方程
摘要：改进的物理知情神经网络（IPINN）方法用具有神经元智能的局部自适应激活函数推导了数据驱动的定域波解。在复杂空间中，这些解包括理性解、孤子解、流浪波、周期波和流浪周期波，适用于具有初值和边界条件的DNLS。特别地，通过采用IPINN方法首次研究了DNLS的数据驱动周期波和流浪周期波。此外，详细展示了相关的动力学行为、误差分析和生动的绘图。数值结果表明，IPINN方法可以在小数据集下很好地模拟DNLS的定域波解。
作者：Juncai Pu, Weiqi Peng, Yong Chen
论文ID：2106.14493
分类：Exactly Solvable and Integrable Systems
分类简称：nlin.SI
提交时间：2021-06-29