在物理学领域即使训练数据有限,机器学习模型也能产生可靠的结果  

作　　者：本刊讯 

机构地区：[1]不详

出　　处：《数据分析与知识发现》2023年第11期45-45,共1页Data Analysis and Knowledge Discovery

摘　　要：剑桥大学和康奈尔大学的研究人员发现,对于偏微分方程—一类描述自然界事物如何在空间和时间中演变的物理方程,机器学习模型即使在数据有限的情况下也能产生可靠的结果。该研究发表在《美国国家科学院院刊》上,有助于为工程和气候建模等应用构建更省时省力的机器学习模型。

关 键 词：剑桥大学 物理方程 康奈尔大学 物理学领域 偏微分方程 训练数据 院刊 应用构建 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程] O411.1[自动化与计算机技术—控制科学与工程]