physics-informed | BriefGPT

关键词physics-informed

搜索结果 - 12

用物理启发的神经网络学习火灾传播参数
通过引入一个物理信息的神经网络（PiNN），本研究在野火传播模型中学习未知参数，并展示了通过数据驱动的方法和物理约束条件进行参数识别的能力。
PDF14 days ago
基于物理信息的机器学习模型用于时变波浪涌浪预测
为了有效地进行沿海工程设计和管理，本研究提出了一种基于物理知识的机器学习方法，用于高效准确地模拟波浪涌浦时间序列。该方法将 Surfbeat（XBSB）模式的计算效率与 XBeach 模型中非静力学（XBNH）模式的准确性相结合，通过条件生
PDF6 months ago
物理信息化状态空间神经网络应用于传输现象
这项工作介绍了物理信息化状态空间神经网络模型（PSMs），它是实现自主系统中的实时优化、灵活性和容错性的一种新颖解决方案，特别适用于化学、生物医学和电力等以传输为主的系统。通过两个硅橡胶实验 —— 加热通道和制冷系统环路，我们证明了 PSM
PDF9 months ago
物理信息多项式混沌展开
提出了一种新的物理信息多项式混沌展开 (PCE) 建模方法，结合传统实验设计和模型的物理约束条件。该方法在提高近似精度的同时不增加显著的计算负担，并且能够通过简化后的 PCE 进行不确定性量化，将确定性空间时间变量的影响滤除。
PDF10 months ago
基于物理信息可逆神经网络的高效贝叶斯反问题推断
提出了使用物理知识的可逆神经网络 (PI-INN) 来解决贝叶斯反问题的新方法，其中包括 INN 和 NB-Net 两个子网络来提高估计后验概率分布的可行性，并采用新的独立损失项来保证 INN 输出的统计独立性，通过数值实验验证了其高效性和
PDFa year ago
SimbaML: 将机械模型和机器学习与增强数据相连接
SimbaML 是一个开源工具，它能够从基于常微分方程的模型中生成逼真的合成数据集并直接分析和纳入 ML 管道中，从而探索从合成数据到真实数据的转移学习，数据增强，确定数据收集需求并对物理启发式 ML 方法进行基准测试。
PDFa year ago
用于泊松类问题的隐式 GNN 求解器
本文介绍了一种基于图神经网络和暗示层理论的物理信息的新型混合边界条件下解决泊松方程问题的方法，通过使用‘物理信息’的损失函数对该方法进行训练，证明了其一致性，并在实验中证明了其灵活性和广泛适用性。
PDFa year ago
基于深度算子网络推断锂电池的电化学性能与参数
本文提出了一种将基础物理约束融入数据驱动替代电池系统的方法，通过构建 DeepONet 进行预测，建立了一个包括两个并行物理信息 DeepONets 和一个预测终端电压的 DeepONet 的混合代理，该代理具有高效和准确度以及完全可微的模
PDF2 years ago
物理知识图学习
系统评述基于物理规则优化的图学习模型方法及其挑战。
PDF2 years ago
ICML基于注意力神经过程和批次贝叶斯优化的物理基准数字孪生可扩展校准
《ANP-BBO: 基于 Bayesian 优化的可扩展的建筑数字孪生参数校准方法》提出了 ANP-BBO 方法，即一种可扩展且可并行化的批次式 Bayesian 优化方法，利用关注机制的神经过程模型，以解决大规模数字孪生模型参数校准的困难
PDF3 years ago
MM可解释人工智能在力学中的应用：基于物理信息的神经网络用于本构模型
本文探讨了物理信息神经网络和解释性人工智能的方法，通过对机械数据的训练，使用主成分分析法解释神经网络的高维表示，并能为新材料的数值和分析闭合形式解决方案提供有力的支持。
PDF3 years ago
基于多保真数据学习的复合神经网络：应用于函数逼近和反向偏微分方程问题
本文提出了一种基于多保真数据培训的新型复合神经网络，用于近似标准基准函数和 20 维函数，以及对多保真数据进行训练，包含四个完全连接的神经网络，第一个近似低忠实度数据，第二个和第三个构造低和高忠实度数据之间的相关性，并生成多忠实度近似，然后
PDF5 years ago