Reti a Caratteristiche di Fourier: Un Approccio Innovativo per la Risoluzione di PDE

Una recente pubblicazione su arXiv (2608.14733) presenta le Reti a Caratteristiche di Fourier (FEN), un design innovativo di rete neurale volto ad affrontare le equazioni alle derivate parziali (PDE). Le FEN si basano su reti neurali a singolo strato nascosto integrando caratteristiche di Fourier tramite coseno, seno o una combinazione di entrambi. Simili alle Macchine a Apprendimento Estremo (ELM), utilizzano un'architettura a singolo strato nascosto per creare funzioni di base, con la funzione obiettivo rappresentata come combinazione lineare di queste funzioni di base, i cui coefficienti sono calcolati usando i minimi quadrati. A differenza delle ELM, che spesso dipendono da trasformazioni affini per una maggiore capacità rappresentativa, le FEN forniscono soluzioni precise senza tali aggiustamenti. La ricerca valuta la capacità rappresentativa identificando un fattore di scala ottimale in un intervallo specificato sia per pesi e bias inizializzati casualmente che fissi, facilitando una valutazione equa rispetto ad altre tecniche. Questo articolo è classificato come annuncio incrociato ed è accessibile su arXiv.