physics-informed neural network | BriefGPT

关键词physics-informed neural network

搜索结果 - 58

使用物理知情鉴别生成模型进行降水即时预报
使用荷兰皇家气象研究所（KNMI）的降水和气象数据，我们设计了一种物理信息神经网络用于降水预报，该模型在生成对抗学习框架中直接将物理监督集成进去，并采用了 VQ-GAN 和 Transformer 生成器以及时间鉴别器，研究结果表明，PID
PDF20 days ago
多变量物理信息卷积自编码器用于高分布式能源资源渗透率电力分配系统中的异常检测
本文提出了一种多变量物理信息卷积自编码器（PIConvAE）模型，用于检测具有不平衡配置和高分布式能源资源渗透的电力配电系统中的网络异常。该模型通过定制的损失函数将物理规律嵌入到自编码器的训练过程中，通过对 IEEE 123-bus 系统和
PDFa month ago
基于领域分解的初始化增强物理信息神经网络
我们提出了一种基于初始化和域分解的新型物理感知神经网络框架 IDPINN，以提高预测精度。我们使用小型数据集训练了一个 PINN，生成了初始的网络结构，包括加权矩阵和偏置，来为每个子域初始化 PINN。此外，我们利用界面上的平滑条件来增强预
PDFa month ago
ICLR神经参数回归用于偏微分方程解算算子的显式表示
为了学习偏微分方程（PDEs）中的解算符，我们引入了神经参数回归（NPR）这一新颖框架。通过采用物理知识引导神经网络（PINN）技术对神经网络（NN）参数进行回归，该方法超越了传统的 DeepONets。我们的方法通过在每个解中基于特定初始
PDF3 months ago
用于刚性 ODE 系统的慢不变流形逼近的物理信息神经网络方法
提出了一种物理信息神经网络（PINN）方法，用于发现 ODEs 的一般类别快慢动力系统的缓慢不变流形（SIMs），通过将向量场分解为快慢分量并提供底层 SIM 的闭合形式泛函的方法
PDF4 months ago
具有硬线性相等约束的基于物理知识的神经网络
提出了一种严格确保硬线性等式约束的物理信息神经网络模型 KKT-hPINN，通过从 KKT 条件得出的投影层，进一步提高了预测准确性。
PDF5 months ago
利用物理信息神经网络进行细胞外空间分子传输的定量分析
提出一种利用物理相关神经网络的逆问题求解方法，通过定量分析脑细胞间或细胞与血管间的纳米级脑细胞外空间内的分子传输，揭示分子传输模式，实验验证表明该方法能有效探索脑细胞外空间内的分子传输。
PDF5 months ago
基于物理信息的神经网络隐式龙格 - 库塔法误差估计
使用神经网络的高阶隐式龙格 - 库塔方法估计系统的误差，并通过与神经网络的预测误差相关的残差提供轨迹上的多个点的误差估计。
PDF6 months ago
利用非线性薛定谔方程和物理信息神经网络进行水波的数据同化和参数识别
利用物理信息神经网络技术，本研究提出在水下安装少量监测仪器的情况下，通过测量数据重建表面高度的时空范围，以解决常规数值方法无法解决的数据同化问题，并成功应用于确定性波浪预测方法的改进。
PDF6 months ago
基于物理知识的神经网络在高频和多尺度问题上的应用及迁移学习
提供了使用转移学习来增强 PINN 的鲁棒性和收敛性的训练方法，通过两个案例研究发现转移学习可以有效训练 PINN 在低频问题到高频问题的近似解，同时减少了网络参数，所需数据点和训练时间。同时提供了优化器选择和使用转移学习解决更复杂问题的指
PDF6 months ago
金属增材制造中基于物理启发神经网络的实时二维温度场预测
利用物理感知神经网络和 ConvLSTM 结构，我们提出了一种用于金属增材制造温度场预测的框架，可在实时预测和在线控制中应用，验证结果表明其在不同场景中具有灵活性和准确性。
PDF6 months ago
基于分割和深度学习的物理感知通用可建模无线信道：基础、方法论和挑战
数据驱动的信道建模与精确的室内信道预测案例研究合并了物理知识和深度学习，为未来模型发展提供了全面的架构和有效的研究方向。
PDF6 months ago
基于 PINN 的锂离子电池模型辅助参数推断研究。第 I 部分：单粒子模型的实现与多保真层次
发展物理信息的神经网络代替物理模型来诊断锂离子电池状态的资源需求，提出了一种利用多层次训练方法提高预测准确性和贝叶斯校准能力的 Li-ion 电池单粒子模型的 PINN 代理。
PDF6 months ago
基于 PINN 的锂离子电池模型的参数推断。第二部分：正则化和伪二维模型的应用
利用贝叶斯参数推断改进锂离子电池诊断，帮助构建电池老化模型；通过物理信息神经网络作为代理加快贝叶斯校准速度，实现快速电池健康状态诊断。
PDF6 months ago
物理基础神经网络引力模型：第三代
通过对模型设计的多次修改，引入了第三代物理信息神经网络重力模型（PINN-GM-III）来解决外推误差、对低空样本的偏见、高空数值不稳定性和符合边界条件等关键模型挑战。该模型经过对已知异质密度小行星进行建模，通过七个核心指标对其性能进行评估
PDF7 months ago
基于物理信息的速率和状态故障摩擦的深度学习
本文使用物理约束力学知识和机器学习方法开发了一种多网络的物理信息神经网络（PINN），用于模拟地震运动和推断地震断裂参数，以评估地震灾害。
PDF7 months ago
拓扑优化应用中的动态配置物理信息神经网络
机器学习与拓扑优化的整合引起了广泛关注，物理信息神经网络（PINN）可以在解决前向问题时避免产生大量数据，并提供更好的推断。因此，提出了一种动态配置的基于 PINN 的拓扑优化方法（DCPINN-TO），该方法通过动态配置可训练参数并使用活
PDF7 months ago
深度动力学：基于物理知识的神经网络车辆动力学建模
该研究论文介绍了一种用于模拟自动赛车车辆动力学的物理知识神经网络（PINN），它通过物理系数估计和动力学方程准确预测高速下的车辆状态，并包含了一个独特的物理约束层来确保内部系数估计保持在其标称物理范围内，相关实验表明该方法对于建模赛车车辆动
PDF7 months ago
住宅建筑供热的需求响应：基于物理信息神经网络的有效蒙特卡洛树搜索控制
通过需求响应控制住宅建筑的供暖系统以优化能源消耗，该论文研究了基于蒙特卡洛树搜索和物理信息神经网络的建筑需求响应控制，以提高控制性能并降低能耗成本。同时，通过添加深度学习层优化了蒙特卡洛树搜索方法的计算成本。
PDF7 months ago
在环形道路中学习 “向前看” 的非局部交通动力学
利用交通轨迹数据，本研究采用物理信息的神经网络设计了最优非局部交通模型，在 “前瞻” 窗口长度约为 35 到 50 米，其中 5 米的权重占据了主要非局部影响，实现了对交通波的更准确预测，验证了以物理性为先验的机器学习模型的重要性。
PDF7 months ago