基于KAN与MLP并联结构求解偏微分方程的方法和系统

本发明公开基于KAN与MLP并联结构求解偏微分方程的方法和系统，属于深度学习技术领域；方法包括：构建包含KAN分支与MLP分支的并联神经网络，并引入融合因子将KAN分支和MLP分支的输出加权融合；基于基于物理信息神经网络原理，构建包含方程残差项、初始条件项和边界条件项的损失函数；用自适应优化算法对所述并联神经网络进行训练，最小化所述损失函数；将偏微分方程中的变量输入训练后的并联神经网络中，输出偏微分方程的解。通过有效结合MLP的非线性表达能力与KAN的函数建模优势，提升对多尺度、非平稳、复杂物理场的表达与求解能力；能够有效提升对复杂物理系统，特别是偏微分方程驱动问题的建模精度与收敛稳定性。