arXiv ID:
2605.10277
非线性抛物型偏微分方程中Picard型算子学习的泛化误差界 / Generalization Error Bounds for Picard-Type Operator Learning in Nonlinear Parabolic PDEs
1️⃣ 一句话总结
本文针对非线性抛物型偏微分方程,提出了一种基于Duhamel-Picard迭代的算子学习框架,通过理论分析证明了增加迭代步数能降低截断误差且不会无限放大估计误差,并给出了模型泛化误差的严格界限。