×
Gert-Jan两者;苏巴姆乔杜里;皮埃尔·森斯;雷米·库斯特斯

DeepMoD：在噪声数据中进行模型发现的深度学习。 （英语） Zbl 07511423号

J.计算。物理学。 428，文章ID 109985，10 p.（2021）.
摘要：我们介绍了DeepMoD，一种基于深度学习的模型发现算法。DeepMoD使用可能函数及其导数库上的稀疏回归发现时空数据集下的偏微分方程。神经网络用作函数逼近器，其输出用于构建函数库，从而执行稀疏回归在内部这种结构使其对噪声具有极强的鲁棒性，适用于小数据集，并且与其他深度学习方法相反，不需要训练集。我们在几个物理问题上对我们的方法进行了基准测试，例如Burgers方程、Korteweg-de-Vries方程和Keller-Segel方程，发现它只需要很少的样本，并且在高达75%的噪声水平下工作。基于这些结果，我们将DeepMoD直接应用于凝胶电泳实验的噪声实验时间序列数据，发现它发现了描述该系统的对流-扩散方程。

引用于11文件

MSC公司：

68倍 计算机科学
92年XX月 生物学和其他自然科学

关键词：

模型发现;深度学习;稀疏回归

软件：

PDE-网络
PDF格式BibTeX公司 XML格式引用
\textit{G.-J.Both}等人，J.Compute。物理学。428，文章ID 109985，10 p.（2021；Zbl 07511423）
全文： 内政部 arXiv公司

参考文献：

[1] 阿努吉·卡帕坦；高瑟姆阿特卢里；Faghous，James H。；迈克尔·斯坦巴赫；阿林达姆·巴内吉；Ganguly、Auloop；谢哈尔、沙希；纳吉萨萨马托娃；Kumar，Vipin，Theory-guided data science:a new paradigm for scientific discovery from data，IEEE Trans。知识。数据工程，29，10，2318-2331（2017）
[2] 尼古拉斯·瓦格纳（Nicholas Wagner）；Rondinelli，James M.，《材料科学中的理论指导机器学习》，Front。材料。，3, 28 (2016)
[3] 阿努吉·卡帕坦；威廉·沃特金斯；里德，乔丹；Kumar，Vipin，《物理引导神经网络（PGNN）：在湖泊温度建模中的应用》（2017），arXiv预印本
[4] 马克斯·赖希斯坦（Markus Reichstein）；坎普斯瓦尔斯，古斯托；史蒂文斯，比约恩；Martin Jung；Joachim Denzler；Carvalhais，Nuno，《数据驱动地球系统科学的深度学习和过程理解》，《自然》，5667743195（2019）
[5] 孔庆凯；丹尼尔·特鲁格曼（Daniel T.Trugman）。；Ross，Zachary E。；迈克尔·比安科（Michael J.Bianco）。；布伦丹·J·米德。；Gerstoft，Peter，《地震学中的机器学习：将数据转化为见解》，《地震》。Res.Lett.公司。，90, 1, 3-14 (2018)
[6] 艾曼纽·德·贝泽纳克（Emmanuel de Bezenac）；亚瑟·帕约；Patrick Galinari，《物理过程的深度学习：结合先前的科学知识》（2017），arXiv预印本
[7] Romit Maulik；San，Omer，《湍流盲解卷积的神经网络方法》，《流体力学杂志》。，831, 151-181 (2017) ·Zbl 1421.76134号
[8] Miyanawala，Tharindu P。；Jaiman，Rajeev K.，《Navier-Stokes方程的高效深度学习技术：应用于非定常尾流动力学》（2017），arXiv预印本
[9] 马齐亚·莱斯；巴黎佩迪卡里斯；Karniadakis，George Em，《物理通知深度学习》（第二部分）：非线性偏微分方程的数据驱动发现（2017），arXiv预印本
[10] 马齐亚·莱斯；巴黎佩迪卡里斯；Karniadakis，George Em，《物理知识深度学习》（第一部分）：非线性偏微分方程的数据驱动解（2017），arXiv预印本
[11] Raissi，Maziar，《深层隐藏物理模型：非线性偏微分方程的深度学习》（2018），arXiv预印本·Zbl 1439.68021号
[12] 莱斯，M。；佩迪卡里斯，P。；Karniadakis，G.E.，《物理信息神经网络：解决涉及非线性偏微分方程的正向和反向问题的深度学习框架》，J.Comput。物理。，378, 686-707 (2019) ·Zbl 1415.68175号
[13] 龙子超；卢一平；马贤忠；Dong，Bin，Pde-net：从数据中学习Pde（2017），arXiv预印本
[14] 龙子超；陆一平；Dong，Bin，Pde-net 2.0：使用数字符号混合深度网络从数据中学习Pde（2018），arXiv预印本
[15] 苏里亚纳亚拉亚纳州马都；切斯曼（Bevan L.Cheeseman）。；斯巴尔扎里尼（Ivo F.Sbalzarini）。；Müller，Christian L.，稳定性选择使从有限的噪声数据中鲁棒学习偏微分方程（2019），arXiv预印本
[16] 塞缪尔·鲁迪。；Steven L.Brunton。；约书亚·L·普罗克托。；Kutz，J.Nathan，偏微分方程的数据驱动发现，科学。高级，3，4，文章e1602614 pp.（2017）
[17] 塞缪尔·鲁迪；亚历山德罗·阿拉；Steven L.Brunton。；Kutz，J.Nathan，参数偏微分方程的数据驱动识别（2018），arXiv预印本
[18] 尼尔·曼根（Niall M.Mangan）。；Steven L.Brunton。；约书亚·L·普罗克托。；Kutz，J.Nathan，《通过非线性动力学的稀疏识别推断生物网络》，IEEE Trans。分子，生物。多尺度公共。，2, 1, 52-63 (2016)
[19] 伊芙琳·F·凯勒。；Segel，Lee A.，被视为不稳定性的黏菌聚集的启动，J.Theor。生物学，26，3，399-415（1970）·Zbl 1170.92306号
[20] Chavanis，Pierre-Herri，《趋化性的随机Keller-Segel模型》，Commun。非线性科学。数字。同时。，15, 1, 60-70 (2010) ·Zbl 1221.60098号
[21] 穆罕默德·埃尔·贝赫里；马克西姆·达汉；Masson，Jean-Baptiste，InferenceMAP:单分子动力学与贝叶斯推断的映射，《自然方法》，12，7，594（2015）
[22] 纳奥尔·格拉尼克；韦斯（Lucien E.Weiss）。；马亚恩·沙洛姆；Chein，Michael；佩尔森，埃兰；罗伊克曼，耶尔；Shechtman，Yoav，通过深度学习进行单粒子扩散表征（2019），bioRxiv
[23] 安东·克朗巴赫（Anton Crombach）；莫尼卡a.加西亚·索拉切。；Jaeger，Johannes，双翅目昆虫早期发育的进化：对白纹夜蛾（精神科）的缝隙基因网络进行逆向工程，生物系统，123，74-85（2014）
[24] 杨建超；约翰·赖特；Thomas S.Huang。；马，易，通过稀疏表示的图像超分辨率，IEEE Trans。图像处理。，19, 11, 2861-2873 (2010) ·Zbl 1371.94429号
[25] 卢卡斯·冯·查米尔；罗曼·莱恩（Romain F.Laine）。；Henriques，Ricardo，《显微镜人工智能：你应该知道的，生物化学》。社会事务。，47, 4, 1029-1040 (2019)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。