論文の概要: An Enhanced V-cycle MgNet Model for Operator Learning in Numerical
Partial Differential Equations
- arxiv url: http://arxiv.org/abs/2302.00938v1
- Date: Thu, 2 Feb 2023 08:28:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-03 14:46:36.833383
- Title: An Enhanced V-cycle MgNet Model for Operator Learning in Numerical
Partial Differential Equations
- Title(参考訳): 数値偏微分方程式における演算子学習のための拡張VサイクルMgNetモデル
- Authors: Jianqing Zhu, Juncai He and Qiumei Huang
- Abstract要約: 本研究では、数値偏微分方程式(PDE)を解く演算子学習においてMgNetとして知られる多重グリッドベースの畳み込みニューラルネットワークアーキテクチャを用いる。
標準VサイクルMgNetを強化するために,残差に対する低周波補正構造を導入する。
強化されたMgNetモデルは、標準のVサイクルMgNetよりもはるかに優れた解の低周波特性を捉えることができる。
- 参考スコア(独自算出の注目度): 4.100632594106989
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study used a multigrid-based convolutional neural network architecture
known as MgNet in operator learning to solve numerical partial differential
equations (PDEs). Given the property of smoothing iterations in multigrid
methods where low-frequency errors decay slowly, we introduced a low-frequency
correction structure for residuals to enhance the standard V-cycle MgNet. The
enhanced MgNet model can capture the low-frequency features of solutions
considerably better than the standard V-cycle MgNet. The numerical results
obtained using some standard operator learning tasks are better than those
obtained using many state-of-the-art methods, demonstrating the efficiency of
our model.Moreover, numerically, our new model is more robust in case of low-
and high-resolution data during training and testing, respectively.
- Abstract(参考訳): 本研究は,数値偏微分方程式(pdes)の解法としてmgnetとして知られるマルチグリッド型畳み込みニューラルネットワークアーキテクチャを用いた。
低周波誤差が緩やかに減衰する多重グリッド法における平滑化繰り返しの特性を考慮し, 標準VサイクルMgNetを強化するために, 低周波補正構造を導入した。
強化されたMgNetモデルは、標準のVサイクルMgNetよりもはるかに優れた解の低周波特性を捉えることができる。
いくつかの標準的な演算子学習タスクを用いて得られた数値結果は、多くの最先端手法を用いて得られた数値よりも優れており、これらのモデルの効率性を実証している。
関連論文リスト
- Dilated convolution neural operator for multiscale partial differential equations [11.093527996062058]
本稿では,多スケール偏微分方程式に対するDilated Convolutional Neural Operator (DCNO)を提案する。
DCNOアーキテクチャは、低計算コストを維持しながら、高周波と低周波の両方の特徴を効果的にキャプチャする。
我々は,DCNOが精度と計算コストの最適なバランスをとることを示し,マルチスケール演算子学習に有望なソリューションを提供する。
論文 参考訳(メタデータ) (2024-07-16T08:17:02Z) - Predicting Ordinary Differential Equations with Transformers [65.07437364102931]
単一溶液軌道の不規則サンプリングおよび雑音観測から,スカラー常微分方程式(ODE)を記号形式で復元するトランスフォーマーに基づくシーケンス・ツー・シーケンス・モデルを開発した。
提案手法は, 1回に一度, ODE の大規模な事前訓練を行った後, モデルのいくつかの前方通過において, 新たな観測解の法則を推測することができる。
論文 参考訳(メタデータ) (2023-07-24T08:46:12Z) - Implicit Stochastic Gradient Descent for Training Physics-informed
Neural Networks [51.92362217307946]
物理インフォームドニューラルネットワーク(PINN)は、前方および逆微分方程式問題の解法として効果的に実証されている。
PINNは、近似すべきターゲット関数が高周波またはマルチスケールの特徴を示す場合、トレーニング障害に閉じ込められる。
本稿では,暗黙的勾配降下法(ISGD)を用いてPINNを訓練し,トレーニングプロセスの安定性を向上させることを提案する。
論文 参考訳(メタデータ) (2023-03-03T08:17:47Z) - FV-MgNet: Fully Connected V-cycle MgNet for Interpretable Time Series
Forecasting [3.7760201752084757]
長期連続予測のための完全連結型VサイクルMgNetを提案する。
畳み込み操作を既存のMgNetで完全に接続された操作に置き換え、それを予測問題に適用する。
論文 参考訳(メタデータ) (2023-02-02T09:02:35Z) - A predictive physics-aware hybrid reduced order model for reacting flows [65.73506571113623]
反応流問題の解法として,新しいハイブリッド型予測次数モデル (ROM) を提案する。
自由度は、数千の時間的点から、対応する時間的係数を持ついくつかのPODモードへと減少する。
時間係数を予測するために、2つの異なるディープラーニングアーキテクチャがテストされている。
論文 参考訳(メタデータ) (2023-01-24T08:39:20Z) - Incremental Spatial and Spectral Learning of Neural Operators for
Solving Large-Scale PDEs [86.35471039808023]
Incrmental Fourier Neural Operator (iFNO)を導入し、モデルが使用する周波数モードの数を徐々に増加させる。
iFNOは、各種データセット間の一般化性能を維持したり改善したりしながら、トレーニング時間を短縮する。
提案手法は,既存のフーリエニューラル演算子に比べて20%少ない周波数モードを用いて,10%低いテスト誤差を示すとともに,30%高速なトレーニングを実現する。
論文 参考訳(メタデータ) (2022-11-28T09:57:15Z) - Solving Seismic Wave Equations on Variable Velocity Models with Fourier
Neural Operator [3.2307366446033945]
本稿では,FNOに基づく解法を効率的に学習するための新しいフレームワークであるFourier Neural operator (PFNO)を提案する。
数値実験により、複雑な速度モデルによるFNOとPFNOの精度が示された。
PFNOは、従来の有限差分法と比較して、大規模なテストデータセットの計算効率が高いことを認めている。
論文 参考訳(メタデータ) (2022-09-25T22:25:57Z) - Neural Basis Functions for Accelerating Solutions to High Mach Euler
Equations [63.8376359764052]
ニューラルネットワークを用いた偏微分方程式(PDE)の解法を提案する。
ニューラルネットワークの集合を縮小順序 Proper Orthogonal Decomposition (POD) に回帰する。
これらのネットワークは、所定のPDEのパラメータを取り込み、PDEに還元順序近似を計算する分岐ネットワークと組み合わせて使用される。
論文 参考訳(メタデータ) (2022-08-02T18:27:13Z) - An Interpretive Constrained Linear Model for ResNet and MgNet [4.407784399315197]
畳み込みニューラルネットワーク(CNN)を用いた画像分類のための解釈可能な数学的モデルとして、制約付き線形データフィーチャーマッピングモデルを提案する。
線形系に対する従来の反復的スキームとResNet型およびMgNet型モデルの基本ブロックのアーキテクチャとの詳細な関係を確立する。
修正されたResNetモデルでは、元のモデルと比較してパラメータが少ないが、より正確な結果が得られる。
論文 参考訳(メタデータ) (2021-12-14T14:52:44Z) - Differentiable Multiple Shooting Layers [18.37758865401204]
多重ショット層 (MSL) は並列化可能なルートフィンディングアルゴリズムを用いて初期値問題の解を求める。
我々は,MSLのアルゴリズム的枠組みを開発し,理論的および計算的観点から解法の選択の相違を解析する。
医療データの時系列分類のためのニューラル制御微分方程式(ニューラルCDE)におけるMSL推論の適用による高速化について検討した。
論文 参考訳(メタデータ) (2021-06-07T18:05:44Z) - Meta-Solver for Neural Ordinary Differential Equations [77.8918415523446]
本研究では,ソルバ空間の変動がニューラルODEの性能を向上する方法について検討する。
解法パラメータ化の正しい選択は, 敵の攻撃に対するロバスト性の観点から, 神経odesモデルに大きな影響を与える可能性がある。
論文 参考訳(メタデータ) (2021-03-15T17:26:34Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。