刘友琼;蔡、李;陈亚萍;王斌 基于Hamilton-Jacobi方程自适应加权损失函数的物理信息神经网络。 （英语） Zbl 1512.68280号 数学。Biosci公司。工程师。 19，第12号，12866-12896（2022）. 引用于2文件 理学硕士： 68T05型 人工智能中的学习和自适应系统 35层21 哈密尔顿-雅可比方程 关键词：哈密尔顿-雅可比方程;基于物理的神经网络;自适应加权优化器;对数平均值;周期性要求 软件：DiffSharp（差异锐化）;刚性销;亚当;阿达格拉德;深XDE PDF格式BibTeX公司 XML格式引用 \textit{Y.Liu}等人，数学。Biosci公司。工程19，编号12，12866--12896（2022；Zbl 1512.68280） 全文： 内政部 OA许可证 参考文献： [1] K、 机械材料设计中的人工智能和机器学习。水平。，8, 1153-1172 (2021) ·doi:10.1039/D0MH01451F [2] R、 PDE深度替代物的主动学习：应用于亚表面设计，npj计算。材料。，6, 1-7 (2020) ·doi:10.1038/s41524-020-00431-2 [3] H、 通过深度学习加速拓扑优化，IEEE Trans。马格纳。，55，1-5（2019）·doi:10.1109/TMAG.2019.2901906 [4] D、 使用神经网络代理模型进行多尺度拓扑优化，计算。方法。申请。机械。工程，3461118-1135（2019）·Zbl 1440.74319号 ·doi:10.1016/j.cma.2018.09.007 [5] M、 隐藏物理模型：非线性偏微分方程的机器学习，J.Compute。物理。，357125-141（2018）·Zbl 1381.68248号 ·doi:10.1016/j.jcp.2017.11.039 [6] M、 《物理信息神经网络：用于解决涉及非线性偏微分方程的正问题和逆问题的深度学习框架》，J.Compute。物理。，378, 686-707 (2019) ·Zbl 1415.68175号 ·doi:10.1016/j.jcp.2018.10.045 [7] L、 DeepXDE:求解微分方程的深度学习库，SIAM Rev.，63208-228（2021）·Zbl 1459.65002号 ·doi:10.1137/19M1274067 [8] S、 理解和缓解物理信息神经网络中的梯度流病理，SIAM J.Sci。计算。，43，A3055-A3081（2021）·Zbl 1530.68232号 ·数字对象标识代码：10.1137/20M1318043 [9] S、 PINN未能训练的时间和原因：神经切线内核视角，J.Compute。物理。，449, 110768 (2022) ·Zbl 07524768号 ·doi:10.1016/j.jcp.2021.110768 [10] W、 Stiff-PINN：用于刚性化学动力学的基于物理的神经网络，J.Phys。化学。A、 1258098-8106（2021年）·doi:10.1021/acs.jpca.1c05102 [11] C.Yu，Y.Tang，B.Liu，多层前馈神经网络的自适应激活函数，in2002年IEEE第10区计算机、通信、控制和电力工程会议。TENCOM’02。诉讼, (2002), 645-650. https://doi.org/10.109/TENCON.2002.1181357 [12] S、 卷积神经网络中的自适应激活函数，神经计算，272204-212（2018）·doi:10.1016/j.neucom.2017.06.070 [13] A、 自适应激活函数加速了深层物理信息神经网络的收敛，J.Compute。物理。，404, 109136 (2020) ·Zbl 1453.68165号 ·doi:10.1016/j.jcp.2019.109136 [14] A、 深度和物理信息神经网络的局部自适应激活函数和斜率恢复，继续。R.Soc.A，476202000334（2020）·Zbl 1472.68175号 ·doi:10.1098/rspa.2020.0334 [15] M、 《隐藏流体力学：从流动可视化中学习速度和压力场》，《科学》，3671026-1030（2020）·兹比尔1478.76057 ·doi:10.1126/science.aaw4741 [16] F、 心脏激活映射的物理信息神经网络，Front。物理。，8, 42 (2020) ·doi:10.3389/fphy.2020.00042 [17] G、 心血管血流建模中的机器学习：使用物理信息神经网络从无创4D流MRI数据预测动脉血压，计算机。方法。申请。机械。工程，358112623（2020）·兹比尔1441.76149 ·doi:10.1016/j.cma.2019.112623 [18] G、 物理信息机器学习，Nat.Rev.Phys。，3, 422-440 (2021) ·doi:10.1038/s42254-021-00314-5 [19] S、 一种基于守恒量的两阶段物理知情神经网络方法及其在局域波解中的应用，J.Comput。物理。，457, 111053 (2022) ·Zbl 1515.65264号 ·doi:10.1016/j.jcp.2022.111053 [20] J、 使用深度学习方法为Manakov系统发现数据驱动的矢量局域波和参数，混沌孤子分形，160112182（2022）·doi:10.1016/j.chaos.2022.112182 [21] Z、 高维可积系统中的物理信息神经网络方法。物理学。莱特。B、 362150531（2022）·doi:10.1142/S021798492150531X [22] 五十、 使用深度神经网络对多孔流体进行替代建模，J.Pet。科学。工程，213110460（2022）·doi:10.1016/j.petrol.2022.110460号文件 [23] D、 求解渗流方程的物理约束深度学习，J.Pet。科学。工程，206109046（2021）·doi:10.1016/j.petrol.2021.109046 [24] M、 登革热模型在周期演化域上的渐近分布，Appl。数学。计算。，362, 124531 (2019) ·Zbl 1433.35177号 ·doi:10.1016/j.amc.2019.06.045 [25] G、 软组织创伤修复血管生成模型，数学。生物科学。，136, 35-63 (1996) ·Zbl 0860.92020号 ·doi:10.1016/0025-5564（96）00044-2 [26] T、 网柄菌聚集期间的细胞模式形成，Phys。D、 85、425-444（1995）·Zbl 0888.92005号 ·doi:10.1016/0167-2789（95）00075-F [27] J、 近岸沿海水域细菌迁移和衰变的水文流行病学建模，Water Res.，196，117049（2021）·doi:10.1016/j.watres.2021.117049 [28] 十、 细菌超传染性对空间异质环境中霍乱疫情的影响，J.Math。分析。申请。，480, 123407 (2019) ·Zbl 1423.92241号 ·doi:10.1016/j.jmaa.2019.123407 [29] Y、 基于重影结构方法的动作电位传播模拟，Sci。众议员，9，10927（2019）·doi:10.1038/s41598-019-47321-2 [30] Y、 移动不规则域上分数{FitzHugh-Nagumo}单域模型的鬼结构有限差分方法，J.Compute。物理。，428, 110081 (2021) ·兹伯利07511435 ·doi:10.1016/j.jcp.2020.110081 [31] S、 多维Hamilton-Jacobi方程的高阶中心WENO格式，SIAM J.Num.Anal。，41, 1339-1369 (2003) ·Zbl 1050.65076号 ·doi:10.1137/S0036142902408404 [32] C、 Hamilton-Jacobi方程的高分辨率非振荡中心格式，SIAM J.Sci。计算。，21, 2163-2186 (2000) ·Zbl 0964.65097号 ·doi:10.1137/S1064827598344856 [33] S、 多维Hamilton-Jacobi方程的高阶半离散中心迎风格式，J.Compute。物理。，189, 63-87 (2003) ·Zbl 1027.65126号 ·doi:10.1016/S0021-9991（03）00201-8 [34] A、 Hamilton-Jacobi方程的新的高分辨率半离散中心格式，J.Compute。物理。，160, 720-742 (2000) ·Zbl 0961.65077号 ·doi:10.1006/jcph.2000.6485 [35] 五十、 多维Hamilton-Jacobi方程的高分辨率半离散Hermite中心迎风格式，应用。数字数学。，80, 22-45 (2014) ·Zbl 1288.65134号 ·doi:10.1016/j.apnum.2014.02.002 [36] S、 Hamilton-Jacobi方程半离散中心格式中的映射WENO和加权幂ENO重建，应用。数字数学。，56, 1211-1224 (2006) ·兹比尔1096.65081 ·doi:10.1016/j.apnum.2006.03.005 [37] F、 用Hermite WENO格式直接求解Hamilton-Jacobi方程，J.Compute。物理。，307, 423-445 (2021) ·Zbl 1354.65179号 ·文件编号：10.1016/j.jcp.2015.12.011 [38] C、 基于Hamilton-Jacobi方程指数多项式的三阶WENO格式，应用。数字数学。，165, 167-183 (2021) ·Zbl 1475.65073号 ·doi:10.1016/j.apnum.2021.01.020 [39] P、 网络上Hamilton-Jacobi方程的间断解，J.Differ。方程，2638418-8466（2017）·Zbl 1375.35086号 ·doi:10.1016/j.jde.2017.08.040 [40] J、 DGM：解偏微分方程的深度学习算法，J.Compute。物理。，375, 1339-1364 (2018) ·Zbl 1416.65394号 ·doi:10.1016/j.jcp.2018.08.029 [41] T、 高维Hamilton-Jacobi-Bellman方程的自适应深度学习，SIAM J.Sci。计算。，43，A1221-A1247（2021）·Zbl 1467.49028号 ·doi:10.1137/19M1288802 [42] J、 通过神经网络结构克服某些Hamilton-Jacobi偏微分方程的维数灾难，Res.Math。科学。，7, 1-50 (2020) ·Zbl 1445.35119号 ·doi:10.1007/s40687-020-00215-6 [43] J、 在一些可以表示某些高维Hamilton-Jacobi偏微分方程粘性解的神经网络结构上，J.Compute。物理。，425, 109907 (2021) ·Zbl 07508503号 ·文件编号：10.1016/j.jcp.2020.109907 [44] A.G.Baydin，B.A.Pearlmutter，A.A.Radul，J.M.Siskind，《机器学习中的自动区分：一项调查》，J.三月。学习。物件。, 18 (2018), 1-43. http://jmlr.org/papers/v18/17-468.html ·Zbl 06982909号 [45] D.Kingma，J.Ba，Adam：随机优化方法，预印本，arXiv:1412.6980。 [46] J.Duchi，E.Hazan，Y.Singer，在线学习和随机优化的自适应次梯度方法，J.马赫。学习。物件。, 12 (2011), 2121-2159. http://jmlr.org/papers/v12/duchi11a.html ·Zbl 1280.68164号 [47] D、 关于用于大规模优化的有限内存BFGS方法，Math。程序。，45, 503-528 (1989) ·Zbl 0696.90048号 ·doi:10.1007/BF01589116 [48] R、 用神经网络求解偏微分方程的最优加权损失函数，J.Compute。申请。数学。，405, 113887 (2022) ·Zbl 1518.65143号 ·doi:10.1016/j.cam.2021.113887 [49] F、 可承受的、熵一致的欧拉通量函数II：冲击下的熵产生，J.Comput。物理。，228, 5410-5436 (2009) ·Zbl 1280.76015号 ·doi:10.1016/j.jcp.2009.04.021 [50] X.Glrot，Y.Bengio，《理解深度前馈神经网络训练的困难》，J.马赫。学习。物件。，9（2010），249-256。http://proceedings.mlr.press/v9/glorot10a/glorot10/pdf [51] S、 Hamilton-Jacobi方程的高阶本质非振荡格式，SIAM J.Numer。分析。，28, 907-922 (1991) ·Zbl 0736.65066号 ·doi:10.1137/0728049 [52] A、 Hamilton-Jacobi方程的带有不连续传感器的Hermite方法，J.Sci。计算。，90, 1-31 (2022) ·Zbl 07477389号 ·doi:10.1007/s10915-022-01766-2 [53] E、 《从形状到阴影的粘度解决方案》，SIAM J.Numer。分析。，29, 867-884 (1992) ·Zbl 0754.65069号 ·doi:10.1137/0729053 [54] P、 形状-自阴影，粘度溶液和边缘，数值。数学。，64, 323-353 (1993) ·Zbl 0804.68160号 ·doi:10.1007/BF01388692 [55] G、 Hamilton-Jacobi方程的加权ENO格式，SIAM J.Sci。计算。，21, 2126-2143 (2000) ·Zbl 0957.35014号 ·doi:10.1137/S106482759732455X 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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，而不声称其完整性或完全匹配。