- 1、本文档共46页,其中可免费阅读18页,需付费100金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
摘要
近年来,借助机器学习技术,尤其是深度学习,国内外学者设计了一
系列偏微分方程(PDE)求解算法,并取得了显著成果。尽管如此,这些
算法仍面临若干挑战。首先,逼近函数方法的设计通常针对特定问题,
其对一些问题的有效性可能并不适用于其他场景,这要求我们全面考
虑不同设计方法对结果的影响。其次,逼近算子方法的训练旨在最小化
学习解与真实解之间在随机采样点上的差异,作为一种数据驱动方法,
它需要大量精确的标签数据,在实际应用中难以实现。主要的难题是如
何将数据驱动和物理模型驱动相
文档评论(0)