ਕਮਜ਼ੋਰ ਬੇਲੀਨਜ਼ ਅਤੇ ਰਿਪੋਰਟਿੰਗ ਪੱਖਪਾਤ ਤਰਲ ਨਾਲ ਸਬੰਧਤ ਅੰਸ਼ਕ ਅੰਤਰਾਲ ਸਮੀਕਰਣਾਂ ਦੀ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਵਿੱਚ ਓਵਰ-ਆਸ਼ਾਵਾਦ ਵੱਲ ਲੈ ਜਾਂਦਾ ਹੈ.

ਫਿਦਵਾਰ.ਕਮ ਦੇਖਣ ਲਈ ਤੁਹਾਡਾ ਧੰਨਵਾਦ. ਬ੍ਰਾ ser ਜ਼ਰ ਦਾ ਵਰਜਨ ਜਿਸ ਦੀ ਤੁਸੀਂ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹੋ ਉਸ ਕੋਲ ਸੀਮਤ CSS ਸਹਾਇਤਾ ਹੈ. ਵਧੀਆ ਨਤੀਜਿਆਂ ਲਈ, ਅਸੀਂ ਸਿਫਾਰਸ਼ ਕਰਦੇ ਹਾਂ ਕਿ ਤੁਸੀਂ ਆਪਣੇ ਬ੍ਰਾ .ਜ਼ਰ ਦਾ ਨਵਾਂ ਸੰਸਕਰਣ (ਜਾਂ ਇੰਟਰਨੈਟ ਐਕਸਪਲੋਰਰ ਵਿੱਚ ਅਨੁਕੂਲਤਾ ਮੋਡ ਨੂੰ ਅਯੋਗ ਕਰੋ). ਇਸ ਦੌਰਾਨ, ਅਸੀਂ ਸਪੈਲਿੰਗ ਜਾਂ ਜਾਵਾ ਸਕ੍ਰਿਪਟ ਬਿਨਾ ਸਾਈਟ ਦਿਖਾ ਰਹੇ ਹਾਂ.
ਕੰਪਿ utional ਟੇਸ਼ਨਲ ਫਿਜ਼ਿਕਸ ਵਿੱਚ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਦੀਆਂ ਸਭ ਤੋਂ ਵੱਧ ਸਰਹੱਦ ਅਰਜ਼ੀਆਂ ਵਿੱਚੋਂ ਇੱਕ ਅੰਸ਼ਕ ਅੰਤਰ-ਕਾਨੂੰਨੀ ਸਮੀਕਰਣਾਂ (ਪੀਡੀਡੀ) ਦਾ ਤੇਜ਼ ਹੱਲ ਹੈ. The main goal of a machine learning-based partial differential equation solver is to produce solutions that are accurate enough faster than standard numerical methods to serve as a baseline comparison. ਅਸੀਂ ਪਹਿਲਾਂ ਅੰਸ਼ਕ ਵੱਖ-ਵੱਖ ਸਮੀਕਰਣਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਸਾਹਿਤ ਦੀ ਯੋਜਨਾ ਬਣਾਈ. Of all the papers reporting the use of ML to solve fluid partial differential equations and claiming superiority over standard numerical methods, we identified 79% (60/76) compared to weak baselines. ਦੂਜਾ, ਸਾਨੂੰ ਵਿਆਪਕ ਰਿਪੋਰਟਿੰਗ ਬਿਆਸ, ਖਾਸ ਕਰਕੇ ਨਤੀਜੇ ਵਜੋਂ ਰਿਪੋਰਟਿੰਗ ਅਤੇ ਪਬਲਿਕ ਪੱਖਪਾਤ ਦੇ ਸਬੂਤ ਮਿਲਿਆ. We conclude that machine learning research on solving partial differential equations is overly optimistic: weak input data can lead to overly positive results, and reporting bias can lead to underreporting of negative results. In large part, these problems appear to be caused by factors similar to past reproducibility crises: investigator discretion and positive outcome bias. ਅਸੀਂ ਅਜਿਹਾ ਕਰਨ ਲਈ ਭ੍ਰਿਸ਼ਟ ਰਿਪੋਰਟਿੰਗ ਅਤੇ ਟੌਪ-ਡਾਉਨ ਆਪਸ਼ਨਲ ਸੁਧਾਰਾਂ ਨੂੰ ਘਟਾਉਣ ਲਈ ਤਲ-ਅਪ ਸਭਿਆਚਾਰਕ ਤਬਦੀਲੀ ਦੀ ਮੰਗ ਕਰਦੇ ਹਾਂ.
ਰੈਂਡਮ ਦੇ ਨਮੂਨੇ ਵਿੱਚ ਤਿਆਰ ਕੀਤੇ ਲੇਖਕਾਂ ਅਤੇ ਲੇਖਾਂ ਦੀ ਸੂਚੀ, ਅਤੇ ਨਾਲ ਹੀ ਬੇਤਰਤੀਬੇ ਨਮੂਨੇ ਵਿੱਚ ਹਰੇਕ ਲੇਖ ਦਾ ਵਰਗੀਕਰਣ, https:////dadi.org.io/gq5b3 (REWQ5B3) ਤੇ ਉਪਲਬਧ ਹੈ.
The code needed to reproduce the results in Table 2 can be found on GitHub: https://github.com/nickmcgreivy/WeakBaselinesMLPDE/ (ref. 125) and on Code Ocean: https://codeocean.com/capsule/9605539/ ਟ੍ਰੀ / ਵੀ 1 (ਲਿੰਕ 126) ਅਤੇ https://codeocean.com/capsule/0799002/TRe/V1 (ਲਿੰਕ) 127).

ਰਿਚੀ, ਸ. ਵਿਗਿਆਨ ਕਲਪਨਾ: ਕਿਵੇਂ ਧੋਖਾਧੜੀ, ਪੱਖਪਾਤ, ਚੁੱਪ, ਅਤੇ ਹਾਇਪ ਸੱਚ ਦੀ ਭਾਲ (ਪੁਰਾਣੇ 2020) ਨੂੰ ਕਿੰਨਾ ਕੁ ਕਮਜ਼ੋਰ ਕਰਦਾ ਹੈ.
ਵਿਗਿਆਨਕ ਸਹਿਯੋਗ. ਮਨੋਵਿਗਿਆਨਕ ਵਿਗਿਆਨ ਵਿੱਚ ਪ੍ਰਜਨਨ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ. ਸਾਇੰਸ 349, ਏਏਸੀ 4716 (2015)
ਪ੍ਰਿੰਜ, ਐਫ, ਸਕੈਂਜ, ਟੀ., ਅਤੇ ਅਸਦਉੱਲ, ਕੇ. ਇਸ 'ਤੇ ਵਿਸ਼ਵਾਸ ਕਰੋ ਜਾਂ ਨਹੀਂ: ਸੰਭਾਵਿਤ ਨਸ਼ਿਆਂ ਦੇ ਟੀਚਿਆਂ' ਤੇ ਅਸੀਂ ਕਿੰਨਾ ਭਰੋਸਾ ਰੱਖ ਸਕਦੇ ਹਾਂ? NAT. ਪ੍ਰਕਾ. "ਨਸ਼ਿਆਂ ਦੀ ਖੋਜ." 10, 712 (2011)
ਕੈਸਲ ਕੈਂਸਰ ਦੀ ਖੋਜ ਵਿੱਚ ਬਕਸੇ ਅਤੇ ਐਲਿਸ, ਐਲ.ਐਮ. ਕੁਦਰਤ 483, 531-533 (2012).
ਏ. ਗੈਲਮਨ ਅਤੇ ਈ ਫਲੋਕੇਨ, ਫੋਰਕਿੰਗ ਮਾਰਗਾਂ ਦਾ ਬਾਗ਼: "ਫਿਸ਼ਿੰਗ ਮੁਹਿੰਮਾਂ" ਜਾਂ "ਪੀ-ਹੈਕ" ਤੋਂ ਬਿਨਾਂ ਵੀ ਮਲਟੀਪਲ ਤੁਲਨਾਵਾਂ ਨੂੰ ਕਿਉਂ ਮੁਸ਼ਕਲ ਆਉਂਦੀ ਹੈ. 348, 1-17 (ਅੰਕੜੇ ਵਿਭਾਗ 2013).
ਕਰਗੀਓਰੀਜੀ, ਜੀ., ਕਸੇਕਾ, ਜੀ., ਕ੍ਰਾਵਿਤਜ਼, ਸ., ਕ੍ਰਾਵਿਟਜ਼, ਸ. NAT. ਭੌਤਿਕ ਵਿਗਿਆਨ ਵਿੱਚ ਦਰਸ਼ਨ ਦਾ ਡਾਕਟਰ. 4, 399-412 (2022).
ਦਾਰਾ ਐਸ, ਡੈਰਮਰਚਲਾ ਸ, ਜੱਬ ਦੇ ਐਸ ਐੱਸ, ਬਾਬੂ ਸੈਮੀ ਅਤੇ ਅਹਸਾਨ ਐਮਜੇ. ਡਰੱਗ ਡਿਸਕਵਰੀ ਵਿਚ ਮਸ਼ੀਨ ਸਿਖਲਾਈ: ਇਕ ਸਮੀਖਿਆ. ਐਟਿਫ. ਇੰਟੇਲ. ਐਡ. 55, 1947-1999 (2022).
ਮੈਟੇਰ, ਜਿਵੇਂ ਕਿ ਅਤੇ ਕੋਟ, ਮਿ.ਲੀ. ਰਸਾਇਣ ਵਿਗਿਆਨ ਵਿਚ. J.Cymnimntisny. ਸੂਚਿਤ ਕਰੋ. ਮਾਡਲ. 59, 2545-2559 (2019).
ਰਾਜਕਮਰ ਏ, ਡੀਨ ਜੇ. ਅਤੇ ਕੋਹਾਨ ਆਈ. ਦਵਾਈ ਦੀ ਲੋੜ ਹੈ. ਨਿ England ਇੰਗਲੈਂਡ ਜਰਨਲ ਦੀ ਦਵਾਈ. 380, 1347-1358 (2019).
ਗ੍ਰੀਫਮਰ ਜੇ, ਮੈਨੂੰ ਰਾਛੇ. ਅਤੇ ਸੋਸ਼ਲ ਸਾਇੰਸਜ਼ ਵਿਚ ਸਟੀਵਰਟ ਬੀ ਐਮ ਮਸ਼ੀਨ ਸਿਖਲਾਈ: ਇਕ ਅਗਿਆਨਿਕ ਪਹੁੰਚ. ਰੇਵ. ਐਨ ਬਾਲ. ਵਿਗਿਆਨ. 24, 395-419 (2021).
ਜੰਪ, ਜੇ. ਐਟ ਅਲ. ਅਲਫੌਫੋਲਡ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ ਉੱਚਤਮ ਪ੍ਰੋਟੀਨ products ਾਂਚੇ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰੋ. ਕੁਦਰਤ 596, 583-589 (2021).
ਗੈਂਡਰਸਨ, ਓ, ਕੋਕਲੇ, ਕੇ., ਕਿਰਪਪਪੀਰੀ, ਕੇ., ਅਤੇ ਗਿਲ, ਵਾਈ. ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਵਿਚ ਪ੍ਰਤੋਧਤਾ ਦੇ ਸਰੋਤ: ਇਕ ਸਮੀਖਿਆ. Https://267610 (2022) ਤੇ ਪੂਰਵਪ੍ਰਿੰਟ ਉਪਲਬਧ ਹੈ.
ਸਕਲਲੀ, ਡੀ., ਸਨੂਕ, ਜੇ., ਵਿਲਸਚਕੋ, ਏ. ਅਤੇ ਰਹਿਮਨੀ, ਏ. ਜੇਤੂ ਸਰਾਪ? ਗਤੀ, ਤਰੱਕੀ 'ਤੇ ਅਤੇ ਅਨੁਭਵੀ ਸਬੂਤ (ਆਈਸੀਐਲਆਰ, 2018) ਦੇ ਕਠੋਰ.

ਕਪੂਰ, ਐੱਸ. ਅਤੇ ਨਾਰਾਇਣ, ਏ. ਲੀਕੇਜ ਅਤੇ ਪ੍ਰਜਨਨ ਸੰਕਟ ਮਸ਼ੀਨ ਸਿਖਲਾਈ-ਅਧਾਰਤ ਵਿਗਿਆਨ ਵਿੱਚ. ਪੈਟਰਨ, 4, 100804 (2023).
ਕਪੂਰ ਸ. ਸੁਧਾਰ: ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਦੇ ਅਧਾਰ ਤੇ ਵਿਗਿਆਨਕ ਰਿਪੋਰਟਿੰਗ ਮਿਆਰ. Https://2308.07832 (2023832 (2023832 (2023832 (2023) ਤੇ ਪ੍ਰੀਪ੍ਰਿੰਟ ਉਪਲਬਧ ਹੈ.
ਡੀਮਾਸੀ, ਓ., ਕੋਰਡਿੰਗ, ਸੀ., ਅਤੇ ਰੇਚਟ, ਬੀ. ਅਰਥਹੀਣ ਤੁਲਨਾ ਮੈਡੀਕਲ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਵਿਚ ਝੂਠੇ ਆਸ਼ਾਵਾਦੀ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦੀ ਹੈ. ਵੰਸ਼ ਵਨ 12, E0184604 (2017).
ਰੌਬਰਟਸ, ਐਮ., ਐਟ ਅਲ. ਛਾਤੀ ਦੀਆਂ ਐਕਸ-ਰੇਅ ਅਤੇ ਕੰਪਿ uts ਟ ਟਾਈਸੋਗ੍ਰਾਫੀ ਤੋਂ ਕੈਦੀ -1 ਤੋਂ ਪਤਾ ਲਗਾਉਣ ਅਤੇ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਆਮ ਘਾਟ ਅਤੇ ਵਧੀਆ ਅਭਿਆਸ. NAT. ਅਧਿਕਤਮ ਇੰਟੇਲ. 3, 199-217 (2021).
ਵਿਨੈਂਟਜ਼ ਐਲ. ਐਟ ਅਲ. ਕਾਮੇਡ 19 ਦੀ ਜਾਂਚ ਅਤੇ ਅਨੁਮਾਨਾਂ ਲਈ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਵਾਲੇ: ਇਕ ਯੋਜਨਾਬੱਧ ਸਮੀਖਿਆ ਅਤੇ ਨਾਜ਼ੁਕ ਮੁਲਾਂਕਣ. BMJ 369, M1328 (2020)
ਵ੍ਹੇਲ ਐੱਸ, ਸ਼ੀਰਰ ਜੇ., ਨੇਕ ਡਬਲਯੂਐਸ ਅਤੇ ਪੋਲਾਰਡ ਕੇਜ਼ ਜੇ ਜੀਨੋਮਿਕਸ ਵਿੱਚ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀਆਂ ਮੁਸ਼ਕਲਾਂ ਨੂੰ ਪਾਰ ਕਰ ਰਹੇ ਹਨ. NAT. ਪਾਸਟਰ ਗੈਨੇਟ. 23, 169-181 (2022).
ਐਟ੍ਰਿਸ ਐਨ. ਐਟ ਅਲ. ਰਸਾਇਣ ਵਿੱਚ ਸਿਖਲਾਈ ਲਈ ਵਧੀਆ ਅਭਿਆਸ. NAT. ਰਸਾਇਣਕ. 13, 505-508 (2021).
ਬਰੂਨਟੌਟਨ ਐਸਐਲ ਅਤੇ ਕੁਟਜ਼ ਜੇ ਐਨ ਮਸ਼ੀਨ ਨੂੰ ਅੰਸ਼ਕ ਵੱਖ-ਵੱਖ ਸਮੀਕਰਣਾਂ ਦੀ ਸਿਖਲਾਈ ਲਈ. NAT. ਗਣਨਾ ਕਰੋ. ਵਿਗਿਆਨ. 4, 483-494 (2024).
ਵਿਨਿਯੂ, ਆਰ. NAT. ਗਣਨਾ ਕਰੋ. ਵਿਗਿਆਨ. 2, 358-366 (2022).
AMETAU, ਐਸ. ਐਟ ਅਲ. ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਜਾਣੂ ਦਿਅਲ ਨੈਟਵਰਕਸ ਨਾਲ ਸਿਖਲਾਈ: ਜਿੱਥੇ ਅਸੀਂ ਹੁਣ ਹਾਂ ਅਤੇ ਅਗਲਾ ਕੀ ਹੈ. ਜੇ. ਸਾਇੰਸ. ਗਣਨਾ ਕਰੋ. 92, 88 (2022).
ਡੁਰਾਸੀਮੈ, ਕੇ., ਯੈਕਰਿਨੋ, ਜੀ., ਅਤੇ ਜ਼ਿਆਓ, ਐਚ. ਐਨ ਦੇ ਸੋਧੇ ਹੋਏ ਸੰਸਕਰਣ. 51, 357-377 (2019).
ਭੂ-ਵਿਗਿਆਨਕ ਹਾਈਡ੍ਰੋਡਾਇਨਾਮਿਕਸ, ਵੋਲ ਵਿਚ ਵੇਵ ਦੇ ਸਮੀਕਰਣਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਡੂਰਨ ਡਾ. ਸੰਖਿਆਤਮਕ .ੰਗਾਂ. 32 (ਸਪ੍ਰਿੰਜਰ, 2013).
ਮਿਸ਼ਰਾ, ਵੱਖ ਵੱਖ ਸਮੀਕਰਣਾਂ ਦੇ ਡੇਟਾ-ਸੰਚਾਲਿਤ ਗਣਨਾ ਨੂੰ ਵਧਾਉਣ ਲਈ ਇੱਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਫਰੇਮਵਰਕ. ਗਣਿਤ. ਇੰਜੀਨੀਅਰ. https://tpsn_org/10.3934/mine.2018.118 (2018).
ਕੋਚਿਕੋਵ ਡੀ. ਮਸ਼ੀਨ ਸਿਖਲਾਈ - ਕੰਪਿ ut ਟੇਸ਼ਨਲ ਤਰਲ ਗਤੀਸ਼ੀਲਤਾ ਦਾ ਪ੍ਰਵੇਗ. ਪ੍ਰਕਿਰਿਆ. ਰਾਸ਼ਟਰੀ ਅਕੈਡਮੀ ਆਫ ਸਾਇੰਸ. ਵਿਗਿਆਨ. US 118, E210178411118 (2021).
ਕੰਪਿ Computer ਟਰ ਸਾਇੰਸ ਐਂਡ ਇੰਜੀਨੀਅਰਿੰਗ ਲਈ ਕੇਦੱਪਾ, ਕੇ. ਮਸ਼ੀਨ ਸਿਖਲਾਈ - ਇੱਕ ਸੰਖੇਪ ਜਾਣ ਪਛਾਣ ਅਤੇ ਕੁਝ ਪ੍ਰਮੁੱਖ ਮੁੱਦੇ. Https://actxiv.org/Abs/211212054 (2021) ਤੇ ਪ੍ਰੀਪ੍ਰਿੰਟ ਉਪਲਬਧ.
ਰੌਸ, ਏ, ਲੀ, ਜ਼ਾਰ., ਪਰੇਸਹੋਗਿਨ, ਪੀ., ਫਰਨਾਂਡੀਜ਼-ਦਾਦਾ, C., ਫਰਨੈਂਡਿਜ਼-ਦਾਾਣੂ ਆਦਰਸ਼ ਮਾੱਡਲ ਪ੍ਰਤੱਖ ਤੌਰ ਤੇ ਸਿਖਲਾਈ ਦੇ ਤੌਰ ਤੇ ਮਸ਼ੀਨ ਦਾ ਤੁਲਨਾਤਮਕ ਵਿਸ਼ਲੇਸ਼ਣ ਮਸ਼ੀਨ ਦਾ ਤੁਲਸੀ ਵਿਸ਼ਲੇਸ਼ਣ. J.adv. ਮਾਡਲ. ਧਰਤੀ ਪ੍ਰਣਾਲੀ. 15. E2022mS003258 (2023).
ਲਿਪ, ਪੀ., ਬੁੱਲਿੰਗ, ਬੀ., ਪਰਡੀਕਰਿਸ, ਪੀ., ਟਰਨਰ, ਆਰ., ਜੇ. ਪੀਡੀਈ ਸੁਧਾਈ: ਇੱਕ ਨਿ ur ਰਲ ਪੀਡੀਈ ਸੌਲੇਵਰ ਨਾਲ ਸਹੀ ਲੰਬੇ ਸਮੇਂ ਲਈ ਬਾਹਰ ਕੱ .ਣਾ. ਨਿਰਵਿਘਨ ਜਾਣਕਾਰੀ ਪ੍ਰੋਸੈਸਿੰਗ ਪ੍ਰਣਾਲੀਆਂ 'ਤੇ 37 ਵੀਂ ਕਾਨਫਰੰਸ (ਨੂਰੀਆਂ 2023).
ਫਰੇਚਸ, ਪੀਆਰ ਐਟ ਅਲ. ਇੰਡੈਕਸਿੰਗ ਗੁੰਝਲਦਾਰ ਸਪੈਟੀਓਟੈਂਪੋਰਲ ਗਤੀਸ਼ੀਲਤਾ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਬਗੀਰੋਪੁਆਪਾਗੇਸ਼ਨ ਐਲਗੋਰਿਦਮ ਅਤੇ ਮਨਜ਼ੂਰ ਹਿਸਾਬ. ਦਿਮਾਗੀ ਨੈਟਵਰਕ. 126, 191-217 (2020)
Raissi, M., Perdikaris, P. and Karniadakis, GE Physics, computer science, neural networks: a deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations. ਜੇ. ਕੰਪਿ .ਟਰ. ਭੌਤਿਕ ਵਿਗਿਆਨ. 378, 686-707 (2019).
ਗ੍ਰਾਸਮੈਨ, ਟੀਜੀ, ਕੋਮੋਰੋਵਸਕਾ, ਉਜ, ਲੂਟਜ਼, ਜੇ., ਅਤੇ ਸਕਨਲੀਬ, ਕੇ.ਸੀ. ਕੀ ਫਿਜ਼ੀਫਿਕਸ-ਅਧਾਰਤ ਨਿ Ne ਰਲ ਨੈਟਵਰਕ ਓਵਰਲਾਈਟ ਤੱਤ methods ੰਗਾਂ ਨੂੰ ਪਛਾੜ ਸਕਦਾ ਹੈ? IMA J. ਐਪਲੀਕੇਸ਼ਨਜ਼. ਗਣਿਤ. 89, 143-174 (2024).
ਡੀ ਲਾ ਮਤਾ, ਐੱਫ.ਐੱਫ., ਜਿਜੋਂ, ਏ, ਮਾਲੀਨਾ-ਸੋਲਾਨਾ, ਐਮ., ਅਤੇ ਗੈਮਜ਼-ਆਧਾਰਿਤ ਮਾਡਲਿੰਗ ਲਈ ਜੇ ਫਿਜ਼ਿਕਸ, ਕਮੀਆਂ ਅਤੇ ਮੌਕਿਆਂ. ਭੌਤਿਕ ਵਿਗਿਆਨ. ਇੱਕ 610, 128415 (2023).
ਝੁਆਂਗ, ਪੀ .- ਅਤੇ ਬਾਰਬਾ, ਤਰਲ ਮਾਡਲਿੰਗ ਵਿੱਚ ਭੌਤਿਕ ਵਿਗਿਆਨ ਅਧਾਰਤ ਨੈਟਵਰਕ ਤੇ ਇੱਕ ਅਨੁਭਵੀ ਰਿਪੋਰਟ: ਤਰਲਾਂ ਅਤੇ ਨਿਰਾਸ਼ਾ. Https://2arxiv.org/Abs/2205.14249 (2022) ਤੇ ਪੂਰਵਪ੍ਰਿੰਟ ਉਪਲਬਧ.
ਝੁਆਂਗ, ਪੀ .- ਅਤੇ ਬਾਰਬਾ, ਐਲ ਏ ਫੌਰਟੇਕਸ ਗਠਨ ਤੇ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਜਾਣੂ ਅੰਵਰ ਨੈਟਵਰਕ ਦੀਆਂ ਪੂਰਵ ਅਨੁਮਾਨਾਂ. Https://236.00230 (2023) ਤੇ ਪੂਰਵਪ੍ਰਿੰਟ ਉਪਲਬਧ.
ਵੈਂਗ, ਸ., ਯੂ, ਯੂ, ਐੱਚ. ਜੇ. ਕੰਪਿ .ਟਰ. ਭੌਤਿਕ ਵਿਗਿਆਨ. 449, 110768 (2022).
ਕ੍ਰਿਸ਼ਨੈਪਰੀਅਨ, ਏ, ਗੇਲੋਨੀ, ਏ, ਜ਼ੀਰੋ, ਆਰ., ਕਰਬੀ, ਆਰ. ਵੈਰੀਅਲ ਜਾਣਕਾਰੀ ਪ੍ਰੋਸੈਸਿੰਗ ਪ੍ਰਣਾਲੀਆਂ ਤੇ 35 ਵੀਂ ਕਾਨਫਰੰਸ. 34, 26548-26560606060 (ਨਿ Mur ਰੀਅਸ 2021).
ਬਸੀਰ, ਸ. ਏਆਈਏਏ ਵਿਚ 2022 ਫੋਰਮ 2353 (ਸੰਦੂਕ, 2022).
Karnakov P., Litvinov S. and Koumoutsakos P. Solving physical inverse problems by optimizing discrete losses: fast and accurate learning without neural networks. ਪ੍ਰਕਿਰਿਆ. ਰਾਸ਼ਟਰੀ ਅਕੈਡਮੀ ਆਫ ਸਾਇੰਸ. ਵਿਗਿਆਨ. ਨੇਕਸ 3, ਪੀਜੀਏ 65 (2024).
ਪ੍ਰਜਨਨ ਦੇ ਬੁਨਿਆਦੀ ਸਿਧਾਂਤ. ਫਿਲ.ਕ੍ਰਾਸ. ਆਰ ਸ਼ੂਕਰ ਇੱਕ 379, 20200210 (2021).
ਅਰਮੈਟਾਰਿਸ ਈ ਅਤੇ ਪੀਅਰਸਨ ਏ. ਯੋਜਨਾਬੱਧ ਸਮੀਖਿਆਵਾਂ: ਸੰਖੇਪ ਜਾਣਕਾਰੀ. ਹਾਂ ਜੇ. ਨਰਸਿੰਗ 114, 53-58 (2014).
ਮੈਗੀਰਾ, ਜੇ., ਰੇ, ਡਿ. ਜੇ. ਕੰਪਿ .ਟਰ. ਭੌਤਿਕ ਵਿਗਿਆਨ. 409, 109345 (2020)
Bezgin da, Schmidt sj ਅਤੇ ਐਡਮਜ਼ ਨਾ ਡਾਟਾ-ਚਲਾਉਣ ਗੈਰ-ਕਲਾਸੀਕਲ ਘਟੇ ਵੋਲਟੇਜ ਝਟਕੇ ਲਈ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਸੁਨੀਟ ਵਾਲੀਅਮ ਸਰਕਟ. ਜੇ. ਕੰਪਿ .ਟਰ. ਭੌਤਿਕ ਵਿਗਿਆਨ. 437, 110324 (2021).