PINN

机器学习第二十八周周报 PINNs2

.题目数据驱动的偏微分方程2.连续时间模型3.离散时间模型4.结论三、CLSTM1.任务要求2.实验结果3.实验代码3.1模型构建3.2训练过程代码小结参考文献week28PINNs2摘要本文主要讨论PINN
沽漓酒江·2024-02-19 14:38

物理信息神经网络（PINN）: 将物理知识融合到深度学习中

物理信息神经网络（PINN）:将物理知识融合到深度学习中物理信息神经网络（PINN）简介PINN的工作原理PINN模型如何利用物理法则指导模型训练1.定义物理问题和相应的物理定律2.构建神经网络3.定义损失函数数据误差项
kadog·2024-02-08 07:19

2024.2.4周报

目录摘要一、文献阅读1、题目2、摘要3、模型架构4、文献解读一、Introduction二、实验三、结论二、PINN一、PINN比传统数值方法有哪些优势二、PINN方法三、正问题与反问题总结摘要本周我阅读了一篇题目为
Nyctophiliaa·2024-02-04 22:22

PINN物理信息网络 | 混合变量PINN求解纳维-斯托克斯方程

混合变量物理神经网络（MixedVariablePhysics-InformedNeuralNetwork，PINN）是一种将物理知识与神经网络相结合的方法，用于求解偏微分方程（PartialDifferentialEquations
算法如诗·2024-01-29 19:54

PINN物理信息网络 | 全局自适应物理信息神经网络SA-PINN

概述本文提出的自适应加权方法在于权重适用于不同损失组件中的个别训练点，而不是整个损失组件。之前的方法可以被看作是这个方法的一个特例，当所有针对特定损失组件的自适应权重同时更新时。在之前的方法中，独立开发的极小极大加权方案[16]与SA-PINNs最为相近，因为它也通过梯度下降来更新权重；然而，这些权重仍然适用于整个损失组件。本文呈现的多项经验和理论证据表明，在各种损失项中为每个训练点加权的灵活性，
算法如诗·2024-01-29 11:17

2024.1.28周报

目录摘要ABSTRACT一、文献阅读1、题目2、摘要3、解决的问题4、算法模型5、总结二、PINN方法三、PINN神经网络源码总结摘要本周我阅读了一篇题目为PhysicsInformedDeepLearning
Nyctophiliaa·2024-01-29 09:19

PINN物理信息网络 | 利用物理信息概率神经网络对寿命的可靠性预测

金属材料在制造过程中难以完全消除组织内部的不均匀性，晶体结构的微观缺陷、晶界、夹杂物和其他杂质的存在是导致疲劳寿命分散的重要原因。这种分散现象在增材制造制件中表现得尤为显著。金属增材制造过程中不可避免地会产生气孔和未熔合缺陷，产生的缺陷具有全域分布、形态多样、尺寸跨度大和形成机制复杂的特点，这导致增材制造制件的疲劳寿命更为分散，这种分散现象限制了疲劳寿命的精准预测。为了实现增材制件疲劳寿命的可靠性
算法如诗·2024-01-24 16:19

2024.1.14周报

目录摘要一、文献阅读1、题目2、摘要3、模型架构4、文献解读一、Introduction二、实验三、结论二、PINN一、PINN简介二、PINN比传统数值方法有哪些优势三、PINN方法四、正问题与反问题总结摘要本周我阅读了一篇题目为
Nyctophiliaa·2024-01-17 16:04

AI求解PDE

一、波动方程的PINN解法：GuoY,CaoX,LiuB,etal.Solvingpartialdifferentialequationsusingdeeplearningandphysicalconstraints
dataloading·2024-01-15 07:43

PINN物理信息网络 | 物理信息神经网络PINN实例及其Python实现

基本介绍物理信息神经网络是一种基于物理系统的神经网络模型。它的设计灵感来自于神经科学和量子力学，旨在利用物理系统的特性来处理和存储信息。传统的神经网络使用数字或模拟电子组件作为基本单元进行计算和存储。而物理信息神经网络则使用物理系统中的元件来代替传统的计算单元，例如利用光子、自旋、超导电流等作为信息的载体。物理信息神经网络的关键特点之一是并行处理能力。由于物理系统的并行性质，可以同时处理多个信息，
算法如诗·2024-01-12 10:16

PINN物理信息网络 | 泊松方程的物理信息神经网络PINN解法

物理信息神经网络（PINN）是一种结合了物理定律和神经网络的方法，用于解决物理问题。它通过将物理方程嵌入到神经网络的训练过程中，从而能够在给定的边界条件下预测物理系统的行为。
算法如诗·2024-01-11 07:34

PINN神经网络求解偏微分方程的11种方法【附论文和代码下载】

我们可以将其转化为一个优化问题，先将PDE的信息编码到神经网络的损失函数中，然后使用神经网络来逼近方程的解，这种方法就是基于深度学习的数值方法——PINN。
深度之眼·2024-01-07 10:13

赛桨在结构领域全新探索：机理驱动的无网格结构拓扑优化

截至目前，官方GitHub仓库已经合入超过36个领域案例，涵盖了众多领域的SOTA模型，包括机理方程驱动的PINN、HPINN、HFM、XPINN以及数据驱动的Tr
飞桨PaddlePaddle·2023-12-20 14:02

When and why PINNs fail to train A neural tangent kernel perspective

WhenandwhyPINNsfailtotrainAneuraltangentkernelperspectiveWhenandwhyPINNsfailtotrainAneuraltangentkernelperspectivePINN方法下NTK定义Neuraltangentkernel（NTK）PINN
xuelanghanbao·2023-12-04 00:32

VC-PINN Variable coefficient physics-informed neural network for forward and inverse problems

VC-PINNVariablecoefficientphysics-informedneuralnetworkforforwardandinverseproblemsVC-PINN:Variablecoefficientphysics-informedneuralnetworkforforwardandinverseproblemsofPDEswithvariablecoefficient
xuelanghanbao·2023-12-04 00:32

物理驱动深度学习方法总结

一、物理驱动深度学习方法总结现有博主更新物理驱动深度学方法总体介绍二、PINN介绍PINN综述Blog介绍：内嵌物理知识神经网络（PhysicsInformedNeuralNetwork，简称PINN）
pinn山里娃·2023-11-17 10:43

基于物理信息的神经网络（PINN）热门研究成果盘点

最近在淘金的时候发现基于物理信息的神经网络（简称PINN）也是个研究热点，遂研读了几篇经典论文，深觉这也是个好发论文的方向，所以火速整理了一些个人认为很值得一读的PINN论文和同学们分享。
深度之眼·2023-10-11 08:03

随机特征方法 RFM｜AI for PDE 的技术路线上可能不⽌有 PINN

求解偏微分方程（PartialDifferentialEquation,PDE）是科学计算领域最重要的课题之一，也是计算机辅助工程（Computer-AidedEngineering,CAE）软件的核心要素。为求解PDE，有限差分方法、有限元方法、谱方法等经典数值方法被提出并广泛研究。但是，经典数值方法依赖于网格离散，在复杂几何和高维问题等方面面临困难。在AIforScience时代，AI模型在很
·2023-09-20 12:28

PINN神经网络源代码解析(pyTorch)

参考文献PINN(Physics-informedNeuralNetworks)的原理部分可参见https://maziarraissi.github.io/PINNs/考虑Burgers方程，如下图所示
jedi-knight·2023-08-17 15:23

PINN+SIREN 求解反问题：基于机器学习方法的全波形反演初探

近年来，数据驱动的深度学习方法在自然语言处理、计算机视觉等领域中给出很多复杂应用问题的解决方案。在计算模拟领域，机理+数据驱动融合的计算方法不断发展，成为数值模拟现实问题的新范式。正问题和反问题是一对互逆的问题，一个科学问题包含输入，过程和输出，在正问题里我们在给定输入和过程的情况下寻找输出，而反问题在给定输出和过程或输入的前提下求解另一者。对于偏微分方程问题而言，反问题就是由定解问题的解的部分信
·2023-08-15 16:14

CDateTimeCtrl的疑问

publicCDialogEx{//构造...DECLARE_MESSAGE_MAP()public:class_CDateTimeCtrl;//内部CDateTimeCtrl类_CDateTimeCtrl*m_pInn
watson_pillow·2023-08-10 22:01

基于PINN的传播动力学研究

分享者：中国传媒大学大数据分析与挖掘实验室博士生张志强众所周知，我们处于网络信息大爆炸的时代。现代互联网产生了大量的舆情信息，其中很多信息并不是正常的信息，是因为在网络中存在着大量水军或部分恶意造谣者。国家非常重视舆情治理，它与整个国家的安全息息相关。网络中许多貌似无用的热点话题，也与我们的日常生活具有紧密关联，引起大众的广泛关注，在某种意义上也会影响到整个社会生活的方方面面。部分具有网络舆情监测
飞桨PaddlePaddle·2023-08-07 16:49

有心人的生活，在蜗居里也倍幸福！

机缘巧合，Sunny最后碰到了泰国女孩Pinn，相恋，并且辞去工作随她回了泰国，在曼谷结婚！
计里·2023-07-24 22:50

PINN学习与实验之拟合sin(x)

1.2.3.其次给出PINN最基础的理解与应用说明。1.PINN中的MLP多层感知机的作用？答：目的是用来拟合出我们需要的那个常微分方程，即函数逼近器。2.PINN中物理信息的作用？
谦虚且进步·2023-06-10 05:40

基于PINN的极少监督数据二维非定常圆柱绕流模拟

百度与西安交通大学的研究人员一起，利用飞桨框架和科学计算工具组件PaddleScience，首次实现了基于物理信息约束神经元网络（PINN）方法，利用极少量监督点模拟二维非定常不可压缩圆柱绕流，将同等条件的
飞桨PaddlePaddle·2023-04-13 20:36

基于PINN的极少监督数据二维非定常圆柱绕流模拟

百度与西安交通大学的研究人员一起，利用飞桨框架和科学计算工具组件PaddleScience，首次实现了基于物理信息约束神经元网络（PINN）方法，利用极少量监督点模拟二维非定常不可压缩圆柱绕流，将同等条件的
飞桨PaddlePaddle·2023-04-13 20:36

Modulus - 数字孪生仿真框架

从物理信息神经网络(PINN)到神经运算符，开发人员长期以来一直在寻求构建实时数字孪生的能力，这些孪生具有真实形式的渲染、强大的可视化以及通过流传输与现实世界中的物理系统同步实时传感器数据。
新缸中之脑·2023-04-02 06:51

飞桨DeepXDE用例验证及评估

本期主要介绍基于飞桨动态图模式对DeepXDE中PINN方法用例实现、验证及评估的具体流程，同时提供典型环节的代码，旨在帮助大家更加高效地基于飞桨框架进行科学计算用例建设与调试。
飞桨PaddlePaddle·2023-03-31 14:52

飞桨DeepXDE用例验证及评估

本期主要介绍基于飞桨动态图模式对DeepXDE中PINN方法用例实现、验证及评估的具体流程，同时提供典型环节的代码，旨在帮助大家更加高效地基于飞桨框架进行科学计算用例建设与调试。
飞桨PaddlePaddle·2023-03-31 14:22

PINN学习记录（1）

PINN学习记录（1）安装Deepdxe官方链接安装pipinstalldeepxde直接在evns环境下安装即可在github上下载zip，然后set.up链接:deepxde注意：默认backend
每天进步一点点吧·2023-03-29 19:57

PINN解偏微分方程实例3(Allen-Cahn方程)

PINN解偏微分方程实例3之Allen-Cahn方程1.Allen-Cahn方程2.损失函数如下定义3.代码4.实验细节及复现结果参考资料1.Allen-Cahn方程  考虑偏微分方程如下：ut−0.0001uxx
喝过期的拉菲·2023-03-29 19:04

PINN解偏微分方程实例2(一维非线性薛定谔方程)

PINN解偏微分方程实例2之一维非线性薛定谔方程1.一维非线性薛定谔方程2.损失函数如下定义3.代码4.实验细节及复现结果5.可能遇到的问题参考资料1.一维非线性薛定谔方程  考虑偏微分方程如下：iht
喝过期的拉菲·2023-03-29 19:04

学习记录-PINN

PINN（物理信息神经网络）图解训练数据1.初始条件和边界条件的采样点集；2.偏微分方程残差采样（类网格点选取or位随机离散点选取）的配置点集；3.标签数据用来辨识方程参数的已知数据样本集发展Jagtap
登录认证是手机号·2023-03-29 19:58

基于pytorch的PINN代码

importtorchimporttorch.autogradasautograd#computationgraphfromtorchimportTensor#tensornodeinthecomputationgraphimporttorch.nnasnn#neuralnetworksimporttorch.optimasoptim#optimizerse.g.gradientdescent,A
filter_·2023-03-29 19:46

PINN解偏微分方程实例1

PINN解偏微分方程实例11.PINN简介2.偏微分方程实例3.基于pytorch实现代码4.数值解参考资料1.PINN简介  PINN是一种利用神经网络求解偏微分方程的方法，其计算流程图如下图所示，这里以偏微分方程
喝过期的拉菲·2023-03-29 18:14

PINN物理信息驱动的深度学习方法与不确定性量化

喜欢可点赞关注，并收藏，您的支持就是我的写作的动力物理信息驱动深度学习方法与不确定性量化论文总结方法综述量化预测的不确定性，如来自噪声数据和未知项的不确定性，对于基于神经网络的预测模型具有重要意义。然而，内嵌物理知识神经网络中没有内置不确定度量化(UQ)，这可能会限制一些需要高可靠性的应用。对于一些UQ问题，生成输出预测的分布更为重要比直接获得解的估计值重要。对此，Yang等[1,2]对通过结合生
pinn山里娃·2023-01-17 14:00

论文理解:“Conservative physics-informed neural networks on discrete domainsfor conservation laws: Appl“

问题设置三、方法四、数值实验4.1、ViscousBurgers方程4.2、Korteweg–deVries方程4.3、不可压缩Navier–Stokes方程4.4、逆问题：二维无粘Burgers方程一、引言PINN
RrS_G·2023-01-16 16:28

论文理解：“Multi-output physics-informed neural networks for forward andinverse PDE problems with uncer“

.--2022目录一、引言二、MO-PINN三、数值实验3.1、正问题——2维非线性Allen–Cahn方程3.2、逆问题——二维非线性扩散-反应体系一、引言与传统的深度学习应用不同，深度学习需要大数据集来训练模型
RrS_G·2023-01-16 16:28

论文理解：“Quadratic Residual Networks: A New Class of Neural Networks forSolving Forward and Inverse P“

ANewClassofNeuralNetworksforSolvingForwardandInverseProblemsinPhysicsInvolvingPDEs译：二次残差网络一类新的神经网络涉及偏微分方程的物理正反问题的求解目录一、引言二、二次残差网络三、实验一、引言大多数现有的PINN
RrS_G·2023-01-16 16:58

A composite neural network that learns from multi-fidelitydata: Application to function approximati

目录一、背景二、多保真DNN和多保真PINN三、各类问题3.1.函数逼近3.1.1.具有线性相关的连续函数3.1.2.具有非线性相关的连续函数3.1.3.20维函数的近似3.2.非线性反偏微分方程问题3.2.1
RrS_G·2023-01-16 16:27

在PyTorch中计算导数

在用神经网络求解PDE（如PINN）时，需要显式地计算梯度（导数）。这个时候backward就派不上用场了，那怎么显式地去计算呢？这就要用到autograd的grad方法。
JasmineFeng·2023-01-11 11:23

Transfer learning for deep neural network-based partial differential equations solving论文笔记

Introduction基于DNN的替代模型的迁移学习效果尚未得到充分研究Relatedworks首先介绍了PINN：控制方程以及初始和边界条件作为惩罚项嵌入损失函数中，以指导梯度下降方向；下面介绍了迁移学习本文目标
小小的石头花花·2023-01-06 11:44

Notes for PINN

sthejournalofreadingnotesthatincludebriefstatementofpaper,readingtimeandsomesummaries.Themainlineisaboutphysics-informedneuralnetwork(PINN
爱数学的企鹅·2022-12-24 08:42

PINN内嵌物理知识神经网络投稿期刊总结

主要整理了目前内嵌物理神经网络投稿期刊喜欢可点赞关注，并收藏，您的支持就是我的写作的动力文章目录PINN期刊热学期刊工程、计算机数学物理力学PINN期刊热学期刊JournalofHeatTransferletpub
pinn山里娃·2022-12-23 12:55

PINN学习与实验（一）

目录所用工具数学方程模型搭建所有实现代码结果展示参考文献今天第一天接触PINN，用深度学习的方法求解PDE，看来是非常不错的方法。做了一个简单易懂的例子，这个例子非常适合初学者。
_刘文凯_·2022-12-08 11:50

PINN学习与实验（二）

目录所用工具数学方程模型搭建所有实现代码结果展示参考文献接触PINN一段时间了，用深度学习的方法求解偏微分方程PDE，看来是非常不错的方法。做了一个简单易懂的例子，这个例子非常适合初学者。
_刘文凯_·2022-12-08 11:50

一种基于物理信息极限学习机的PDE求解方法

**作者|**PINN山里娃，作者主页**研究方向|**物理信息驱动深度学习不确定性人工智能偏微分方程极限学习机该作者聚焦深度学习模型与物理信息结合前沿研究，提供了一系列AIforscience研究进展报告及代码实现
pinn山里娃·2022-12-05 22:46

深度学习求解微分方程系列二：PINN求解burger方程正问题

下面我将介绍内嵌物理知识神经网络（PINN）求解微分方程。首先介绍PINN基本方法，并基于Pytorch的PINN求解框架实现求解含时间项的一维burger方程。
pinn山里娃·2022-11-28 19:55

深度学习求解微分方程系列五：PINN求解Navier-Stokes方程正逆问题

下面我将介绍内嵌物理知识神经网络（PINN）求解微分方程。首先介绍PINN基本方法，并基于Pytorch的PINN求解框架实现求解含时间项的二维Navier-Stokes方程。
pinn山里娃·2022-11-28 19:55

PINN求解PDE

PINN求解Dirichlet泊松方程泊松方程引入−Δu=f,x∈Ω=(0,1)2-\Deltau=f,x\in\Omega=(0,1)^2
Galerkin码农选手·2022-11-28 09:02
上一页 1 2 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他