固定點迭代

深度分析

Iterative Refinement Neural Operator (IRNO)：以共享修正器的固定點迭代改善高頻誤差

研究提出Iterative Refinement Neural Operator（IRNO），將預訓練的神經算子作為粗解，並以共享權重的修正子在推論時做固定點迭代，將預測拆成初始化與殘差修正兩部分。理論上在局部條件下可被視為收斂的契約映射，並能穩定外推超過訓練迭代次數。