physics-informed learning | BriefGPT

关键词physics-informed learning

搜索结果 - 7

使用具有平滑归纳偏差的物理引导学习消除固定维度中的过拟合
最近机器学习理论的进展表明，使用过参数化的机器学习算法对带有噪声样本进行插值总是会导致不一致性。然而，这项工作却令人惊讶地发现，在描述物理定律的偏微分方程（PDEs）控制的监督任务中，使用物理知识驱动的学习进行插值的机器学习可以表现出良性过
PDF23 days ago
Astral: 使用误差主量训练物理知情的神经网络
通过引入误差上界作为训练指标，我们提出了一种新的物理信息学习方法，该方法能够可靠地估计近似解与精确解之间的接近程度，并在达到期望精度时停止优化过程，实验证明该方法相对于传统的残差优化方法具有更快的收敛速度和更低的误差。
PDFa month ago
基于路径 HJB 操作符的随机系统的神经最优控制器
基于物理知识学习和动态规划，该研究旨在开发基于深度学习的算法来解决高维随机控制问题；通过引入与 Hamilton-Jacobi-Bellman 方程相关的路径操作，定义了一个物理知识学习问题，并提出了两种数值方法来求解该问题。研究对截断误差
PDF4 months ago
最小压力梯度原则：不可压缩流体力学中物理驱动学习的替代基础
应用基于变分方法的物理信息学习到流体力学领域的最新进展，使用最小压力梯度原理和连续性约束训练神经网络来预测不可压缩流体中的流场，演示了其实现并展示了相对传统方法减少每个训练时代的计算时间。
PDF6 months ago
基于物理信息的不确定性量化的 PICProp 算法
该论文介绍和研究了作为一个新问题的确定性偏微分方程的置信区间（CI）估计，即通过概率保证从数据位置向整个域传播置信度。我们提出了一种基于双层优化的方法，称为物理信息置信传播（PICProp），用于计算一个有效的置信区间而不进行重大假设。我们
PDF9 months ago
物理信息标记变换器
论文探讨了通过引入物理学知识嵌入偏微分方程 (PDE) 学习过程中，并使用方程分词方法学习一个分析驱动数值更新运算符的物理学知道 Transformer 模型，来解决传统方法慢和传统机器模型无法使用完整系统信息的问题。研究结果表明，PITT
PDFa year ago
利用物理知识生成对抗网络进行湍流丰度增强
本文探讨了基于物理方法的生成对流层的 GAN 泛化方法，通过修改损失函数并最小化生成数据的控制方程残差，实现了对生成数据的受控制生成，并通过对比能量统计、流场形态等指标之间的差异来展示其中的优势。
PDF4 years ago