.png){kind=icon}
返回
An algorithm for modelling differential processes utilising a ratio-coupled loss
.png){kind=icon}
PRE
AI
DOI：10.1002/qj.70078.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种使用结合两种相似数据源的损失函数来训练预测代理模型的算法。该方法联合优化代理模型权重和一个控制各源相对影响的超参数，鼓励收敛于能最佳表示各自信号映射。一个可微的损失函数利用基于梯度的优化来实现此任务。所得模型在未知误差扭曲任一源信号时能实现更高质量的结果。采用所提出的方法论，进行了实验案例研究，训练代理模型以产生简单扩散方程、非线性薛定谔方程和圆形旋转浅水方程的表示。因此，用比率耦合损失训练的代理模型被证明可以逼近任意预测变量数量和不同噪声条件下的线性与非线性偏微分方程。
Keyword:
data assimilation
loss function
observations
partial differential equations
surrogate models
期刊
IF:
2.9
论文数:
5.8K
被引数:
2.4W
机构
引用论文
Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations物理信息神经网络: 一种用于解决涉及非线性偏微分方程的正反问题的深度学习框架
OAAI
OAAI分享收藏分享收藏Data Assimilation and Parameter Identification for Water Waves Using the Nonlinear Schrödinger Equation and Physics-Informed Neural Networks.png)
Fluids
OAAI
FluidsIF0
OAAI分享收藏A Transformer-Based Regression Scheme for Forecasting Significant Wave Heights in Oceans基于Transformer的回归方案，用于预测海洋中的重要波高
PREAI
分享收藏
查看更多内容