期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
物理信息神经网络的应用与研究进展
1
作者
刘肖廷
闵建
+1 位作者
于相楠
郭远
《河南科学》
2024年第7期945-959,共15页
物理信息神经网络(PINNs)是将物理建模与深度学习相结合的创新方法,较于纯数据驱动的神经网络,PINNs通过结合物理信息,极大地降低了对数据量的依赖,在解决复杂物理问题的科学计算方面表现出卓越的实用性.通过梳理PINNs在不通领域发展现...
物理信息神经网络(PINNs)是将物理建模与深度学习相结合的创新方法,较于纯数据驱动的神经网络,PINNs通过结合物理信息,极大地降低了对数据量的依赖,在解决复杂物理问题的科学计算方面表现出卓越的实用性.通过梳理PINNs在不通领域发展现状,首先系统阐述了PINNs的基本原理,强调了其独特的物理定律融入神经网络的能力.其次,详细介绍了PINNs在科学和工程领域的广泛应用,展示了PINNs成功解决各个领域正问题和反问题的显著成果.进一步,深入探讨了PINNs的研究进展,包括不同方面的创新成果,以及在此基础上产生的改进方法.最后,详细分析总结了PINNs发展所面临的机遇和挑战,以期为该领域的研究提供了有价值的参考.
展开更多
关键词
物理信息神经网络
机器学习
科学计算
深度学习
物理建模
下载PDF
职称材料
课程-迁移学习物理信息神经网络用于长时间非线性波传播模拟
2
作者
郭远
傅卓佳
+2 位作者
闵建
刘肖廷
赵海涛
《力学学报》
EI
CAS
CSCD
北大核心
2024年第3期763-773,共11页
由于传统物理信息神经网络(PINN)在长时间模拟时存在计算稳定性差甚至无法获得有效解的难题,文章提出了一种基于课程学习和迁移学习的物理信息神经网络(CTL-PINN),用于长时间非线性波传播模拟.该改进的PINN的主要思想是将原长时间历程...
由于传统物理信息神经网络(PINN)在长时间模拟时存在计算稳定性差甚至无法获得有效解的难题,文章提出了一种基于课程学习和迁移学习的物理信息神经网络(CTL-PINN),用于长时间非线性波传播模拟.该改进的PINN的主要思想是将原长时间历程问题转化成若干个短时间子问题,其求解过程分为3个阶段;在初始阶段,使用传统PINN来获得初始短期子问题的解;在课程学习阶段,使用包含前一步训练信息的传统PINN以时域扩大的方式逐次求解,在迁移学习阶段,使用包含前一步训练信息的传统PINN以时域迁移的方式逐次求解.这种改进的PINN可以避免传统PINN陷入局部最优解的问题.最后通过几个基准算例验证了本文所提出的CTL-PINN方法在模拟长时间非线性波传播过程的有效性和鲁棒性.
展开更多
关键词
课程学习
迁移学习
物理信息神经网络
波传播分析
长时间模拟
非线性
下载PDF
职称材料
题名
物理信息神经网络的应用与研究进展
1
作者
刘肖廷
闵建
于相楠
郭远
机构
中国三峡集团公司科学技术研究院
河海大学力学与工程
科学
学院工程与
科学
数值模拟软件中心
出处
《河南科学》
2024年第7期945-959,共15页
基金
中国长江三峡集团有限公司员工科研项目(NBZZ202200564)。
文摘
物理信息神经网络(PINNs)是将物理建模与深度学习相结合的创新方法,较于纯数据驱动的神经网络,PINNs通过结合物理信息,极大地降低了对数据量的依赖,在解决复杂物理问题的科学计算方面表现出卓越的实用性.通过梳理PINNs在不通领域发展现状,首先系统阐述了PINNs的基本原理,强调了其独特的物理定律融入神经网络的能力.其次,详细介绍了PINNs在科学和工程领域的广泛应用,展示了PINNs成功解决各个领域正问题和反问题的显著成果.进一步,深入探讨了PINNs的研究进展,包括不同方面的创新成果,以及在此基础上产生的改进方法.最后,详细分析总结了PINNs发展所面临的机遇和挑战,以期为该领域的研究提供了有价值的参考.
关键词
物理信息神经网络
机器学习
科学计算
深度学习
物理建模
Keywords
physics-informed neural networks
machine learning
scientific computing
deep learning
physical modelling
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
课程-迁移学习物理信息神经网络用于长时间非线性波传播模拟
2
作者
郭远
傅卓佳
闵建
刘肖廷
赵海涛
机构
河海大学力学与材料学院工程与
科学
数值模拟软件中心
中国三峡集团公司科学技术研究院
河海大学土木与交通学院
出处
《力学学报》
EI
CAS
CSCD
北大核心
2024年第3期763-773,共11页
基金
国家自然科学基金(12122205,12372196,52325803和U22A20229)
中国长江三峡集团自主科研(NBZZ202200535)资助项目。
文摘
由于传统物理信息神经网络(PINN)在长时间模拟时存在计算稳定性差甚至无法获得有效解的难题,文章提出了一种基于课程学习和迁移学习的物理信息神经网络(CTL-PINN),用于长时间非线性波传播模拟.该改进的PINN的主要思想是将原长时间历程问题转化成若干个短时间子问题,其求解过程分为3个阶段;在初始阶段,使用传统PINN来获得初始短期子问题的解;在课程学习阶段,使用包含前一步训练信息的传统PINN以时域扩大的方式逐次求解,在迁移学习阶段,使用包含前一步训练信息的传统PINN以时域迁移的方式逐次求解.这种改进的PINN可以避免传统PINN陷入局部最优解的问题.最后通过几个基准算例验证了本文所提出的CTL-PINN方法在模拟长时间非线性波传播过程的有效性和鲁棒性.
关键词
课程学习
迁移学习
物理信息神经网络
波传播分析
长时间模拟
非线性
Keywords
curriculum learning
transfer learning
physics-informed neural networks
wave propagation analysis
long time simulation
nonlinearity
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
O34 [理学—固体力学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
物理信息神经网络的应用与研究进展
刘肖廷
闵建
于相楠
郭远
《河南科学》
2024
0
下载PDF
职称材料
2
课程-迁移学习物理信息神经网络用于长时间非线性波传播模拟
郭远
傅卓佳
闵建
刘肖廷
赵海涛
《力学学报》
EI
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部