physics-informed machine learning | BriefGPT

关键词physics-informed machine learning

搜索结果 - 25

适应物理信息神经网络以优化蚊虫种群动力学的常微分方程
物理信息神经网络被广泛应用，能够将物理定律融入数据驱动模型中，以确保预测不仅与实证数据一致，还与领域特定的物理方程知识相符。该研究提出了一个改进的物理信息神经网络框架，用于 ODE 系统的正向和反向问题，并以蚊子种群动力学模型为案例应用。该
PDFa month ago
极地冰上的物理感知机器学习：一项调查
南极冰盖和北极冰盖的大量流失导致海平面上升，海洋环流变化，从而导致沿海洪涝，并危及全球数千万人的家园和生计。为了解决冰川行为的复杂问题，文献中提出了物理模型和数据驱动模型。然而，传统的物理模型在产生高分辨率结果方面存在局限性；另一方面，数据
PDF2 months ago
基于标签传播的物理信息神经网络与高斯过程训练方案
该论文提出了一种半监督方法来训练基于物理信息的机器学习方法，包括自我训练的基于物理信息的神经网络和基于物理信息的高斯过程，并通过协同训练将两者整合起来。我们通过大量的数值实验展示了这些方法如何改善了物理信息机器学习中常见的时间向前传播信息的
PDF3 months ago
基于物理信息的机器学习对非线性钢刚性框架结构地震响应预测
该研究论文介绍了一种将科学原理和物理定律融入深度神经网络的新型物理信息机器学习（PiML）方法，用于建模非线性结构的地震响应，并通过模型降阶、长短期记忆网络（LSTM）和牛顿第二定律等特性，使模型具有相对稀疏数据的训练能力，同时提高了模型的
PDF4 months ago
多任务物理信息机器学习 (PIML) 方法的科尔莫哥洛夫 n - 宽度：走向稳健度量
将物理学定律纳入机器学习模型的训练过程中，用于解决偏微分方程问题的基于物理学的机器学习 (PIML) 在计算科学与工程中引起了广泛关注。通过应用 Kolmogorov n - 宽度这种度量方法，我们比较了各种多任务 PIML 架构，为其提供
PDF5 months ago
基于物理信息的机器学习作为内核方法
使用物理信息对经验风险进行正则化可以有利于估计器的统计性能。
PDF5 months ago
社会物理启发的人群模拟扩散模型
本文提出了一种称为 SPDiff 的社交社交物理驱动扩散模型，以解决物理驱动机器学习方法在群体模拟中无法全面建模人类移动的异质性和多模态问题。通过反向扩散过程，SPDiff 利用当前时间段中的交互和历史群体信息生成下一个时间段中行人移动的分
PDF5 months ago
使用核加权修正残差的神经网络求解偏微分方程
通过设计模块化和强健的框架，引入核加权校正残差（CoRes）将核方法和深度神经网络相结合，提高了求解非线性偏微分方程系统的性能，并显著降低了神经网络对随机初始化、架构类型和优化器选择等因素的敏感性。
PDF6 months ago
高维反问题中的随机物理信息机器学习用于不确定性量化
我们提出了一种用于高维反问题中不确定性量化的物理启发机器学习方法。该方法使用截断条件 Karhunen-Loève 展开（CKLE）来近似偏微分方程（PDE）的状态和参数，通过构造与各个变量的测量值相匹配。该方法中所提出的随机化 PICKL
PDF7 months ago
神经融合 Mesnfree（NIM）方法：一种基于可微分编程的计算力学混合求解器
神经一体化无网格（NIM）方法，将传统基于物理的无网格离散化技术与深度学习结合，采用相结合的近似方案 NeuroPU 来有效地表示解决方案，通过功能空间分解增强了解决方案的表示，并减少了 DNN 模型的大小和基于自动微分的空间梯度计算的需求
PDF8 months ago
基于物理信息的机器学习控制方法在高噪声测量下的非线性动态系统中的应用
该研究提出了一种基于物理信息的机器学习控制方法，用于具有高噪声测量的非线性动态系统。结果表明，该方法在高噪声条件下的非线性动态系统的建模准确性和控制性能方面优于现有的基准方法。
PDF8 months ago
零坐标偏移：用于物理信息算子学习的完善自动微分
通过零坐标转移技巧（ZCS），这篇论文提出了一种用于物理信息操作器学习的新颖而轻量级的自动微分算法，可用于计算网络输出关于坐标的高阶导数，实现了 GPU 内存消耗和训练时间的数量级下降。
PDF8 months ago
物理信息机器学习地球物理数据反演概述
物理信息机器学习 (PIML) 逆问题算法主要包括 FWI 和神经网络，PIML 相较于传统方法具有避免局部最小值和局部训练优势，但对测试数据和训练数据相似性要求较高，可以通过预训练和微调策略来克服此限制。
PDF9 months ago
一种运算符预条件视角下的物理信息机器学习训练
本文研究了梯度下降算法在物理信息机器学习方法（如 PINNs）中的行为，这些方法最小化与偏微分方程（PDEs）相关的残差。我们的关键结果是，训练这些模型的难度与特定微分算子的条件数密切相关。这一算子与底层 PDE 的微分算子的共轭平方有关。
PDF9 months ago
物理信息感知的感应电动机建模
本快速通信在神经感应机（NeuIM）模型方面进行了研究，通过使用物理知识驱动的机器学习来实现基于人工智能的电磁暂态模拟。它的贡献有三个方面：（1）建立了 NeuIM 模型以在相位域中表示感应机；（2）提出了一种物理知识驱动的神经网络，能够在
PDF9 months ago
利用物理信息机器学习来估计非规则的用水需求以帮助泄漏检测
该研究论文介绍了一种利用物理知识驱动的机器学习算法，通过分析压力数据来估计未知的水需求，最终利用伯努利方程并线性化泄漏检测问题。该算法在 L-Town 基准网络的数据上进行了测试，结果显示其在估计大多数不规则需求方面具有较好的能力，R2 大
PDF10 months ago
神经振荡器用于物理推断机器学习的泛化
该研究提出了一种新方法，通过融合系统常微分方程所基于的神经振荡器，有效地捕捉长期依赖关系并解决爆炸梯度问题，从而增强了物理先验机器学习模型在复杂物理问题中的泛化能力。通过在时间依赖的非线性偏微分方程和双调和梁方程中进行实验，证明了该方法在基
PDFa year ago
地下能源系统中受物理启发的机器学习应用的批判性评论
机器学习在计算机视觉、自然语言处理和语音识别等各个领域中被证明是一种强大的工具，然而，结合深度学习和物理学原理的物理约束机器学习技术的应用在地下能源系统产业，特别是在石油和天然气行业中展现了巨大的潜力，能提供更准确可靠的资源管理和运营效率的
PDFa year ago
氩气驱动熔融池动力的物理信息机器学习
通过集成神经网络和物理规律，提供了一种物理信息机器学习（PIML）方法来预测金属添加制造中的熔池动力学，避免了求解高度非线性的 Navier-Stokes 方程，显著降低了计算成本。
PDFa year ago
物理信息机器学习在动态系统建模和控制中的应用
本文概述了物理相关机器学习在动态系统建模和控制方面的最新进展、基本概念和方法、工具及应用。
PDFa year ago