讨论
文章平均质量分 95
xuelanghanbao
这个作者很懒,什么都没留下…
展开
-
关于FBPINN的讨论
综上,对于第一个问题,如果训练点在共享区域时,它会被所有具有该区域的神经网络进行训练。或者说,训练点会被所有子域包含其位置的训练。反过来说可能会顺一点,就是神经网络的训练过程会受到其子域内所有训练点的影响。对于第二个问题,问题表述中似乎假定了不同区域训练具有先后关系且相互独立。正如上文所述,参数的更新是同时的,各个区域在重叠域上也并不是相互独立的,关于这一点以及灵活的训练时间安排将在后两问中进行更详细的解释。原创 2023-12-07 16:40:42 · 954 阅读 · 0 评论 -
关于PDE频率的问题
具体来说,我所采用的PINN网络结构是全连接神经网络,目标函数函数由两个损失函数构成,第一个损失函数是求解区域内的传热方程,第二个损失函数是边界上已知数据与预测值的均方误差,且两个损失函数。因为使用简单的仿射变换就可以把 [0.1,0.1] 的区域映射到 [1,1] 的区域上,而利用神经网络去拟合这个变换也是相对而言比较简单的,因此 [0.1,0.1] 的区域和 [1,1] 的区域对于PINN来说可能不会造成太大的差别。同样的,可以看到,对计算域的缩小确实对网络的训练造成了显著的影响。原创 2023-12-06 21:42:56 · 1004 阅读 · 0 评论