该博客探讨了一种使用神经网络解决偏微分方程（PDE）的新方法。不同于传统的PINN（物理 informed neural networks），它基于PDE的变分形式，并结合有限元方法（FEM）中的局部紧支撑函数。这种方法避免了额外的神经网络来学习辅助变量，但可能面临维数灾难的问题。训练过程中，采用方程损失、边值损失和初值损失共同优化。
https://arxiv.org/abs/1912.07443
首先，考虑神经网络输入PDE的时空坐标和其他的参数，输出PDE在该点的取值。
f
(
x
,
t
;
p
,
θ
)
f(x,t;p,\theta)
f(x,t;p,θ)
然后，用类似PINN的方式来求解这个模型，但是Loss不是建立在原方程而是方程的变分形式上。例如对于原方程为：
其变分形式为
但是这里并不像某篇工作（留空，暂时想不起来是哪篇了）一样另外用一个神经网络来学习v，而是使用了FEM中的局部的紧支撑的函数（这样引入的缺点是会有维数灾难）。
之后就是方程Loss+边值Loss+初值Loss进行训练即可。
扫一扫
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
