待验证50% 置信事实精确时间
论文提出物理信息图神经算子(Physics-Informed Graph Neural Operator),旨在仅凭少量发电机母线处的间歇性量测,一次性前向传播估计全网所有机组的转子角度与转速轨迹,包括未直接量测的机组。
1
来源数
50%
置信度
长期有效
时效性
2026/11/10
首次发现
来源
物理信息图神经算子:稀疏PMU下的动态状态估计
rss2026/11/7
涉及实体
相关事实
待验证隐式神经网络在此指用小型神经网络直接参数化扭曲函数φ,输入是归一化时间坐标,输出是对应的对齐位置68% 相似待验证该论文针对非线性最小二乘估计器推导出了从单条轨迹对动力系统进行一步预测的快速学习率67% 相似待验证Xu 等人在 2019 年的论文《How Powerful are Graph Neural Networks?》通过与 Weisfeiler-Leman 图同构测试对比,分析了不同聚合方式的理论上界67% 相似已验证神经网络的反向传播算法是链式法则的直接应用,梯度下降依赖微积分中的偏导数概念66% 相似待验证对于由隐式神经网络参数化的平滑扭曲函数,FastCDTW使用无偏的蒙特卡洛估计器通过随机采样逼近积分65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1153647API
curl https://kongchang.com/api/v1/knowledge/claims/1153647MCP
get_claim(id=1153647)