目录
第9章 可分离神经算子与迁移学习
9.1 可分离物理信息DeepONet(Sep-PI-DeepONet)
9.1.1 低秩张量分解在算子学习中的应用
9.1.2 参数化PDE的快速推断
9.2 Fourier神经算子的分离扩展
9.2.1 谱空间中的变量解耦
9.2.2 多分辨率与层次化分离
9.3 异构代理模型(HAMs)中的分离PINN
9.3.1 高维HJB与KF方程的分离求解
9.3.2 约束处理与边界条件强化
第二部分:代码实现
脚本 9.1.1:低秩张量分解与DeepONet分离实现
脚本 9.2.1:分离Fourier神经算子(Sep-FNO)
第9章 可分离神经算子与迁移学习
(Chapter 9: Separable Neural Operators and Transfer Learning)