Physics-informed Neural Networks (PINNs)

Sinc插值

將Sinc插值整合入Kolmogorov-Arnold網路（SincKAN）以提升PINN對邊界層與奇異性的表現

研究提出以Sinc插值改良Kolmogorov-Arnold網路，作為可學習激活函數的替代表示。作者主張Sinc法在處理奇異性、邊界層與半無限域問題上效果佳，能減輕PIKANs在頻譜偏差上的問題。實驗顯示SincKAN在多數測試中表現更好，提升了PINN求解難題的穩健性。