考虑物理信息的生成 - 编码对抗网络及潜空间匹配用于随机微分方程
原文中文,约300字,阅读约需1分钟。发表于: 。我们提出了一种新的物理信息生成编码对抗网络,用于有效解决随机微分方程中正向、反向和混合问题所带来的挑战。该模型包括生成器和编码器两个关键组件,通过梯度下降轮流更新。与直接匹配近似解和真实快照的先前方法不同,我们采用间接匹配,在较低维潜在特征空间内操作。这种方法绕过了高维输入和复杂数据分布的挑战,同时相比于现有的神经网络求解器,能够得到更准确的解。此外,该方法还以高效的方式减轻了先前对抗性框架...
该研究提出了一种新的物理信息生成编码对抗网络,用于解决随机微分方程中的正向、反向和混合问题。该模型采用间接匹配,在较低维潜在特征空间内操作,能够得到更准确的解,并以高效的方式减轻了训练不稳定问题。数值结果证明了该方法在解决不同类型随机微分方程中的有效性。