程序理解：Neural Operator_ Graph Kernel Network__for Partial Differential Equations

最新推荐文章于 2024-07-03 14:50:34 发布
最新推荐文章于 2024-07-03 14:50:34 发布
阅读量787 收藏 3
点赞数 1
分类专栏： DeepLearningForPde 文章标签： 机器学习 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44901773/article/details/121785595
版权

论文：Neural Operator_ Graph Kernel Network__for Partial Differential Equations

代码网址：https://github.com/wumming/graph-pde

对论文中程序的理解：

 

 

 

 

 测试结果：分辨率为31x31 ，radius 为 0.04  （设备有限，只能算这种尺度）

UAI1_r31_n100train

 

UAI1_r31_n100test16

UAI1_r31_n100test31

 UAI1_r31_n100test61

 

 

逍遥子~~
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
fourier_neural_operator:使用傅立叶变换学习微分方程中的算子
03-18
傅立叶神经算子 该存储库包含该论文的代码： 在这项工作中，我们通过直接在傅立叶空间中对积分内核进行参数化，从而制定了一种新的神经元运算符，从而实现了高效而富有表现力的体系结构。我们对Burgers方程，Darcy流和Navier-Stokes方程（包括湍流状态）进行实验。与现有的神经网络方法相比，我们的傅里叶神经算子显示了最先进的性能，并且与传统的PDE求解器相比，它的速度提高了三个数量级。 它来自以前的作品： 要求 档案文件 代码采用简单脚本的形式。每个脚本应该是独立的并且可以直接运行。 fourier_1d.py是傅立叶神经算子1D的问题，如（与时间无关的）Burgers方程的第5.1节中所讨论的。 fourier_2d.py是傅立叶神经算子的2D问题如达西流在第5.2节中所讨论的。 fourier_2d_time.py是傅立叶神经算子的2D问题诸如在5.3节中讨论的Navier
Graph kernel Network 代码理解
夜晓岚的博客
06-19 1170
# in_width 是最初的维度，如论文中的d=6 # width 是变换后的维度，如变换后的64 class KernelNN(torch.nn.Module): def __init__(self, width, ker_width, depth, ker_in, in_width=1, out_width=1): super(KernelNN, self).__init__() self.depth = depth self.fc1 = to
谱神经算子Spectral Neural Operator在MindSpore Flow开源
最新发布
Kenji_Shinji的博客
07-03 513
近日，谱神经算子(Spectral Neural Operator，SNO)及其在Burgers 1D/Navier-Stokes 2D/Navier-Stokes 3D问题上的应用案例在MindSpore Flow开源。SNO给出的方案是通过多项式逼近(切比雪夫Chebyshev，勒让德Legendre等)代替傅里叶变换，只需要使用基本的线性变换，而不涉及复杂的傅里叶变换计算，不涉及复数计算。其具体架构如图1所示。特别地，在二维应用案例中，在嵌套的SNO层中加入若干层U-SNO层能够取得更好的效果。
如何理解Fourier Neural Operator (FNO)
momo的博客
04-11 2822
2022年Nvidia发表在arXiv上的的FourcastNet作为几乎是最早的一篇气象大模型的工作（之前Google Research的MetNet主要还是对于降水的预报）。除了Transformer的backbone之外，使用到了2021年发表在ICLR上的Fourier Neural Operator。为了更好的理解模型的理论基础，可以详细学习一下以及他的前期工作GNOFNO作者对这两篇文章的解析blog。
[2111] Adaptive Fourier Neural Operators: Efficient Token Mixers for Transformers
koukouvagia的博客
03-24 2458
Adaptive Fourier Neural Operators: Efficient Token Mixers for Transformers
Neural-PDE-Solver
m0_51570792的博客
01-29 1982
Neural-PDE-Solver PDE: Partial Differentiable Equation Neural Operators: Learning nonlinear mappings between function spaces. Contributed by Chunyang Zhang. Content 1. Survey 2. Model  2.1 PINN  2.2 DeepONet  2.3 Fourier Operator  2.4
neural network.zip_neural network_人工神经网络入门程序
07-15
"neural network.zip_neural network_人工神经网络入门程序"这个压缩包提供了一个适合初学者上手的神经网络实现，帮助理解神经网络的基本原理和编程实践。 在描述中提到的"搭建了一个基本的神经网络"，通常指的是...
neural network.rar_Network_Neural networks_neural_neural network
07-14
MATLAB的神经网络工具箱提供了多种网络架构，包括前馈网络（Feedforward Networks）、自编码器（Autoencoders）、卷积神经网络（Convolutional Neural Networks，CNN）、递归神经网络（Recurrent Neural Networks，...
matlab.zip_PID neural network_it_neural network PID
09-24
标题中的"matlab.zip_PID neural network_it_neural network PID"表明这是一个关于使用MATLAB实现神经网络PID控制器的项目。在工业自动化和控制领域，PID（比例-积分-微分）控制器因其简单有效而广泛使用。然而，...
neural_network_tf.zip_neural_network_tf
09-15
【标题】"neural_network_tf.zip_neural_network_tf" 提供了一个关于神经网络实现的代码示例，重点在于使用TensorFlow这一深度学习框架。TensorFlow是Google开发的一个强大的开源库，广泛用于机器学习和深度学习任务...
GraphKernel:用于评估networkX图中节点之间基于网络传播的相似性度量的软件包
04-27
GraphKernel Python程序包可评估networkX图形中节点之间的几种相似性度量，并根据与源节点子集的相似性对网络节点进行排名。 该软件包经过优化，可利用矢量化的numpy和scipy表达式以获得近乎原生的性能。 它可用于在网络科学问题中快速比较不同的基于网络传播的相似性度量，例如基因优先级和疾病模块检测。 该软件包中的方法受到网络传播框架的启发，该框架在精彩的论文“网络传播：遗传关联的通用放大器”中解释过，Cowen等人。 （2017），Nat Rev遗传学。 注意：术语“内核”在这里非常宽松地用于表示节点之间的相似性/投影矩阵，即使它不遵守基本内核属性（对称性/正定性）时也是如此。 同样，命名图内核不指图之间的相似性内核，而仅指节点之间的相似性内核。 对于评论，问题和错误报告： 请参阅Jupiter笔记本GraphKernel_tutorial.ipynb中的
核方法 graph kernel
12-12
收集了一些数据挖掘中核方法的一些参考资料。是学习核方法（graph kernel）非常好的指导资料。
PDE算子学习框架-----Fourier neural operator 代码注解
夜晓岚的博客
04-11 1767
【代码】Fourier neural operator 代码注解。
傅立叶变换/傅立叶神经算子/Fourier Transform
weixin_49656477的博客
11-14 634
基于论文FOURIER NEURAL OPERATOR FOR PARAMETRIC PARTIAL DIFFERENTIAL EQUATIONS
About Graph Kernel
热门推荐
u011579808的博客
03-04 1万+
1.转载（有哪些指标可以描述两个图（graph）的相似度？ - 一个安静的胖子的回答 - 知乎https://www.zhihu.com/question/57269332/answer/157375170）Graph kernel实际上 kernel method 在图结构中的研究主要有两类：一是Graph embedding 算法，将图(Graph)结构嵌入到向量空间,得到图结构的向量化表示，...
神经网络代码解读_NeurIPS2020上图神经网络好文
weixin_35427210的博客
01-07 3111
今年的Neurips正在进行，图神经网络也是今年的一大热点，这里总结一下GNN的文章，贴个链接和概述备忘，如果有错误的或者遗漏的文章请大家一定指出来。整理不易，点个赞呗再走呗，欢迎关注我们的新专栏图神经网络实战，里面会更新一些图神经网络代码解读和最新的进展。如果大家有什么需要分享的，也欢迎投稿本专栏，感激不尽。GNN的测试：Design Space for Graph Neural Network...
Fourier Neural Operator for Parametric Partial Differential Equations
cansaizheng的博客
03-20 2465
https://arxiv.org/abs/2010.08895 这篇文章提出了一个包含Fourier变换的网络结构，并使用这种网络学习PDE的解算子（从初值/参数直接映射到PDE的解）。
[EGNN] Exploiting Edge Features for Graph Neural Networks 利用图神经网络的边特征 论文详解 CVPR 2019
知行合一，止于至善
10-09 9072
文章目录1 简介1.1 GAT和GCN的局限性1.2 EGNN的创新点2 相关工作3 EGNN网络3.1 符号定义3.2 EGNN和GNN的对比3.3 Doubly stochastic normalization of edges 边的双随机归一化3.4 EGNN(A): Attention based EGNN layer3.5 EGNN\(C\): Convolution based EGN...
AttributeError: 'bp_neural_network' object has no attribute 'train'
03-30
AttributeError: 'bp_neural_network' object has no attribute 'train'是一个错误提示，意味着在bp_neural_network对象中没有名为'train'的属性。这通常发生在你尝试调用一个不存在的方法或属性时。 可能的原因是： 1. 你可能没有正确地初始化bp_neural_network对象，或者没有正确地导入相关的模块。 2. 'train'方法可能在bp_neural_network类中被定义为私有方法，无法从外部访问。 3. 'train'方法可能被命名为其他名称，你需要检查一下正确的方法名。 为了解决这个问题，你可以： 1. 确保正确地初始化bp_neural_network对象，并且导入了相关的模块。 2. 检查bp_neural_network类的定义，确保'train'方法被正确地定义为公有方法。 3. 检查你是否正确地调用了'train'方法，并且使用了正确的方法名。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值