一种全局-局部重采样物理信息神经网络方法

本发明公开了一种全局‑局部重采样物理信息神经网络方法，旨在解决自适应重采样策略残差配置点分布不适宜的问题。现有的自适应重采样策略只关注局部残差较大的区域，忽视了全局残差配置点的数量和分布。此外，这些策略对初始残差配置点的数量极为敏感，若初始配置点数量不足，可能导致训练失败或不收敛。针对上述问题，本发明提出的一种全局‑局部重采样物理信息神经网络方法，以蒙特卡洛积分评估模型精度，在全局和局部区域自适应地添加残差配置点，从而有效提高物理信息神经网络模型的求解精度，增强其泛化能力和鲁棒性。该方法为物理信息神经网络的进一步发展和应用提供了重要的理论基础和参考价值。