基于数据驱动的随机封闭建模:条件扩散模型和神经算子
原文中文,约300字,阅读约需1分钟。发表于: 。我们提出了一个数据驱动的建模框架,利用条件扩散模型和神经算子构建随机和非局域闭合模型,通过频谱神经算子作为基于数据的随机闭合模型用于解析微分方程规律的复杂动态系统。我们还展示了如何通过加速采样方法提高数据驱动的随机闭合模型的效率,并表明该方法能够通过生成式机器学习技术为连续时空场的多尺度动态系统构建数据驱动的随机闭合模型。
我们提出了一个数据驱动的建模框架,利用条件扩散模型和神经算子构建随机和非局域闭合模型,通过频谱神经算子作为基于数据的随机闭合模型用于解析微分方程规律的复杂动态系统。我们还展示了如何通过加速采样方法提高数据驱动的随机闭合模型的效率,并表明该方法能够通过生成式机器学习技术为连续时空场的多尺度动态系统构建数据驱动的随机闭合模型。