Machine learning 用神经网络逼近微分方程组的期望解

我有一个微分方程组的目标解，它有一些未知参数。我想找到这些参数的值，这些参数的解更接近目标。我能用神经网络做到这一点吗？如果是，怎么做

我问这个问题是因为我正在读的一篇论文（不幸的是用希腊语写的）暗示我正在做这件事。 下面是微分方程组

想要的输出是

---

控制输入u具有一些未知的非线性，可以用神经网络进行逼近。因为没有数据来训练网络，所以我没有；我不能理解这是怎么做的？有什么想法吗

我不这么认为；NN的典型用法是从一组示例中学习一种模式，这样它就可以正确地对未看到的示例进行分类。那种描述似乎不符合你的问题

---

更新（在问题被编辑后）：我不认为等式的细节是相关的。正如你所说，没有用来训练网络的数据，因此很难（如果不是不可能的话）评估这一方面，因为这也可能是通过掷硬币来完成的。因此，我认为你必须关注论文的其他方面（假设有）。

谢谢你的回答……我已经编辑了上面的问题！你能看一下吗？这是误导。神经网络是一种近似工具，分类只是神经网络可以解决的可能任务之一（例如，神经网络也用于时间序列预测）。请参阅“BartoszKP”，你什么意思是误导？本文中使用的神经网络确实应该基于普遍逼近定理。这在这里如何应用？@PavlosTriantafyllou NNs的所有用法都基于这个定理，因为它表明它们可以工作：）这个答案的误导部分是，它说NNs主要是关于分类示例。关于数据，这是正确的：这是可能的，但很难想象没有训练数据的神经网络的实际应用。@BartoszKP：如果有一篇论文声称这样做，你会认为任何读者都会非常清楚。