Nov, 2023
将充足的物理信息纳入人工神经网络：通过基于物理的 Rao-Blackwellization 实现保证性提升
Incorporating sufficient physical information into artificial neural networks: a guaranteed improvement via physics-based Rao-Blackwellization
Gian-Luca Geuken, Jörn Mosler, Patrick Kurzeja
TL;DR通过物理信息利用 Rao-Blackwellization 的概念来改善人工神经网络的预测，提出的策略应用于材料建模，并通过识别屈服函数、弹塑性钢模拟、脆性破坏驱动力识别和橡胶实验的示例进行了说明。通过使用足够的物理信息，例如不变量、最小化问题的参数、尺度分析、各向同性和可微性，证明了直观增加信息如何在物理上具有足够的改善作用，但不充分或多余的信息如何导致损害。还探讨了通过训练数据集、网络结构和输出过滤器改善人工神经网络的机会。通过减少噪声、过拟合和数据要求，即使是粗糙的初步预测也可以显著提高。