Disentangling Aleatoric and Epistemic Uncertainty in Physics‐Informed Neural Networks: Application to Insulation Material Degradation Prognostics

Physics‐Informed Neural Networks (PINNs) provide a framework for integrating physical laws with data. However, their application to Prognostics and Health Management (PHM) remains constrained by the limited uncertainty quantification (UQ) capabilities. Most existing PINN‐based prognostics approaches...

Ամբողջական նկարագրություն

Մատենագիտական մանրամասներ

Հիմնական հեղինակներ:	Ibai Ramirez, Jokin Alcibar, Joel Pino, Mikel Sanz, Jose I. Aizpurua
Ձևաչափ:	Artigo
Լեզու:	Inglês
Հրապարակվել է:	Wiley 2026-06-01
Շարք:	Advanced Intelligent Systems
Խորագրեր:	Bayesian neural networks insulation physics informed neural networks prognostics & health management uncertainty quantification
Առցանց հասանելիություն:	https://doi.org/10.1002/aisy.202501502
Ցուցիչներ:	Ավելացրեք ցուցիչ Չկան պիտակներ, Եղեք առաջինը, ով նշում է այս գրառումը!