physics-informed neural networks | BriefGPT

关键词physics-informed neural networks

搜索结果 - 210

深度能量方法的几何感知框架：一种应用于超弹性材料的结构力学
GADEM 是一种物理信息深度学习框架，适用于解决不同几何形状的结构力学问题，通过弱形式和几何感知框架将几何信息整合到深度学习模型中，提高了准确性和计算成本。
PDF2 months ago
理解使用 PINNs 解决 Cauchy 问题的困难性
在本文中，我们针对 Cauchy 问题的情况，确定了使用 L2 残差作为目标函数和神经网络的逼近差异两个问题，指出最小化 L2 残差和初始条件误差的总和不足以保证真实解，并且神经网络无法捕捉解中的奇异性，这影响了全局极小值的存在和网络的正则
PDF2 months ago
IJCAI物理信息神经网络：用宽网络和有效激活减小残差损失
本研究分析了物理信息神经网络（PINNs）中的剩余损失，并发现了通过研究其在临界点处的特性，找到了实现有效训练的条件。我们的分析揭示了一个良好高阶导数的激活函数在最小化剩余损失中起关键作用，进而提供了设计和选择 PINNs 有效激活函数的理
PDF2 months ago
GMC-PINNs：一种解决非规则域上分数阶偏微分方程的新型通用蒙特卡罗 PINNs 方法
提出了一种用于解决不规则域上分数阶偏微分方程（fPDEs）的新型广义蒙特卡洛物理信息神经网络（GMC-PINN）方法，并通过多个示例表明其有效性和计算效率高于原始的 fPINN 方法。
PDF2 months ago
基于对称群的域分解以增强用于求解偏微分方程的基于物理信息的神经网络
本文提出了一种基于对称群的域分解策略，以增强物理信息神经网络（PINN）对具有李对称群的偏微分方程（PDE）的正向和反向问题的求解能力，该方法通过将整个训练域划分为多个不重叠的子域，并利用 PINN 和对称增强 PINN 方法在每个子域中学
PDF2 months ago
物理信息神经网络中的最佳时间采样
本文研究了物理信息神经网络在科学计算应用中解决方程时的残差最小化问题，通过标准假设下的神经网络收敛性，证明了最优时间采样符合截断指数分布，并给出了在线性方程、Burgers' 方程和 Lorenz 系统中最佳时间采样的解释和数值实例。
PDF2 months ago
PhyPlan: 机器人操纵器的物理感知技能网络通用和快速物理任务规划
PhyPlan 是一个结合物理信息的规划框架，利用物理信息神经网络（PINNs）和修改的蒙特卡洛树搜索（MCTS）使得具体化代理能够执行动态物理任务，并在求解 3D - 物理推理任务方面展现出较低的后悔、加速技能学习和提高物理推理速度、比非
PDF2 months ago
研究用于自适应原位采样的引导信息在 PINNs 中的应用
通过对区域内一组残差函数的评估，物理信息神经网络 (PINNs) 提供了通过目标函数的最小化来获取偏微分方程和系统的近似解的方法。本文考虑了选择这些点的几种策略，并研究了它们对方法整体精度的影响，指出没有单一的 “最优” 方法，但我们展示了
PDF3 months ago
改进物理推断神经网络训练过程的锥形散射公式化的亥姆霍兹方程
通过物理信息神经网络（PINNs），本研究解决了连接两个半无限波导的入射波在节点处的散射问题。为了改善模型的学习能力，研究提出了亥姆霍兹边界值问题（BVP）的等效公式，利用了反向传播过程中传递的信息，从而增强和加速了 PINN 模型的训练过
PDF3 months ago
ICLRPINNACLE: PINN 自适应网格划分和实验点选择
使用数据聚集和选择优化技术，Physics-Informed Neural Networks (PINNs) 与 Neural Tangent Kernel (NTK) 相结合的 PINN Adaptive ColLocation and
PDF3 months ago
时空视频超分辨率与神经算子
通过引入物理信息的神经网络，本文提出了解决空时视频超分辨率问题的方法，该方法能够准确处理大运动中的运动估计和运动补偿问题，并在固定大小和连续空时视频超分辨率任务中超过同类技术。
PDF3 months ago
基于知识的卷积神经网络模拟和预测两相达西流动
通过将离散化的微分方程融入到 PINN 框架中，改进物理信息神经网络在处理不连续输入数据方面的准确性，并减少数值模拟的计算成本。
PDF3 months ago
通过弛豫神经网络捕捉冲击波
通过提出一个名为 RelaxNN 的神经网络框架，本文解决了非线性双曲型系统的问题，并且显示出在数值模拟中取得了显著的结果。
PDF3 months ago
映射微结构的弹性特性到机械变形的有限算子学习技术
为了开发更快速解决固体力学中的物理方程的求解器，我们引入了一种参数化学习力学平衡解的方法，该方法在计算成本方面优于传统方法，同时可接受地保持准确性。此方法具体应用于微机械学，在微观结构中知道微观力学解，即给定异质微结构的变形和应力场，非常重
PDF3 months ago
物理信息神经网络用于卫星状态估计
使用物理 - 信息神经网络估计卫星的轨道状态和连续的、低幅度异常加速度，并且在观测残差和传播精度方面，在模拟中表现出优于纯物理模型的性能。
PDF3 months ago
方程状态中的引力对偶
用物理信息的神经网络来解决将五维引力理论与四维量子场论联系起来的反问题。
PDF4 months ago
物理引导的神经网络用于室内矢量流动图绘制
通过借助物理导向的神经网络（PINNs）和基于物理引导的 nnU-Net 监督方法，以及对模拟和实际彩色多普勒图像进行的严格评估，本研究提出了传统 iVFM 优化方案的新替代方法，显示出与原始 iVFM 算法相当的重建性能。同时，研究指出
PDF4 months ago
LyZNet: 轻量级 Python 工具用于学习和验证神经系统的 Lyapunov 函数和吸引域
该论文描述了一种轻量级 Python 框架，提供了神经李雅普诺夫函数的综合学习和验证，用于稳定性分析；这个工具通过将 Zubov 的偏微分方程编码为 PINN 方法，能够在吸引域的附近提供验证的吸引域区域。
PDF4 months ago
物理信息对神经网络在水力建模中的泛化能力的影响
神经网络在河流水力学中的应用尚不成熟，尽管该领域存在数据稀缺等机器学习技术挑战。因此，本研究旨在通过在训练阶段引入物理信息来缓解这一问题，并展示了这种方法可以提高预测能力。
PDF4 months ago
基于物理推导的 GraphSAGE 方法用于偏微分方程描述的物理过程模拟
本研究提出了一种基于 Galerkin 方法和分段多项式节点基础函数的物理驱动 GraphSAGE 方法（PD-GraphSAGE），用于解决由不规则 PDEs 控制的计算问题并开发参数化 PDE 代理模型。该方法采用物理域的图表示，从而减
PDF4 months ago