.png){kind=icon}
返回
PISI: Physical Information Based Solver-Interactive Network Structure Reconstruction
.png){kind=icon}
OA
AI
DOI：10.3390/a18090584.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对非线性动力系统所捕获的物理世界交互网络结构的推断一直是机器学习的一个长期目标。现有的推断方法在融入物理系统信息和求解器交互能力方面显示出局限性。我们提出了一种全面的基于物理信息（Physical Information）的求解器交互式（Solver-Interactive, PISI）网络结构识别框架，该框架整合了网络拓扑、物理约束以及非线性动力系统中的双向求解器交互。为此，我们首先开发了一种基于物理信息的图神经网络（PIGNN）。PIGNN单元被嵌入为基本积分单元，以与动力求解器进行迭代交互。动力系统的物理信息可以灵活地添加到PIGNN训练的迭代交互中。上述阶段使用Runge-Kutta求解器进行端到端训练。通过两个Kuramoto系统验证了所提出框架的网络结构推断能力。我们的PISI方法，整合了图拓扑、物理约束和求解器交互性，在轨迹预测和结构重建方面相较于最先进方法显示出优势。
Keyword:
structure reconstruction
nonlinear dynamical system
physics-informed neural network
nonlinear dynamics solver
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.1
论文数:
654
被引数:
5.4K
机构
暂无机构信息
引用论文
Centralized and decentralized controller design for synchronization of coupled delayed inertial neural networks via reduced and non-reduced orders.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏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A Novel Modified Fuzzy-Predictive Control of Permanent Magnet Synchronous Generator Based Wind Energy Conversion System一种基于永磁同步发电机的改进模糊预测控制的风能转换系统
PREAI
分享收藏Modeling the contribution of theta-gamma coupling to sequential memory, imagination, and dreamingOAAI
OAAI分享收藏
查看更多内容