ترجمه فارسی مقاله یادگیری حفظ ساختار برای PDE های چندگانه

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Structure-preserving learning for multi-symplectic PDEs
عنوان مقاله به فارسی یادگیری حفظ ساختار برای PDE های چندگانه
نویسندگان Süleyman Yıldız, Pawan Goyal, Peter Benner
فرمت مقاله انگلیسی PDF
تعداد صفحات 15
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Numerical Analysis,یادگیری ماشین , تحلیل عددی ,
توضیحات Submitted 16 September, 2024; originally announced September 2024.
توضیحات به فارسی ارائه شده 16 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

This paper presents an energy-preserving machine learning method for inferring reduced-order models (ROMs) by exploiting the multi-symplectic form of partial differential equations (PDEs). The vast majority of energy-preserving reduced-order methods use symplectic Galerkin projection to construct reduced-order Hamiltonian models by projecting the full models onto a symplectic subspace. However, symplectic projection requires the existence of fully discrete operators, and in many cases, such as black-box PDE solvers, these operators are inaccessible. In this work, we propose an energy-preserving machine learning method that can infer the dynamics of the given PDE using data only, so that the proposed framework does not depend on the fully discrete operators. In this context, the proposed method is non-intrusive. The proposed method is grey box in the sense that it requires only some basic knowledge of the multi-symplectic model at the partial differential equation level. We prove that the proposed method satisfies spatially discrete local energy conservation and preserves the multi-symplectic conservation laws. We test our method on the linear wave equation, the Korteweg-de Vries equation, and the Zakharov-Kuznetsov equation. We test the generalization of our learned models by testing them far outside the training time interval.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله یک روش یادگیری ماشین حفظ انرژی برای استنباط مدل های مرتبه کاهش یافته (ROM) با بهره برداری از شکل چند منظوره معادلات دیفرانسیل جزئی (PDE) ارائه شده است.اکثریت قریب به اتفاق روشهای مرتبه کاهش یافته انرژی از طرح ریزی گالرکین سمپلیک برای ساخت مدل های همیلتون با سفارش کاهش یافته با طرح ریزی مدل های کامل بر روی یک زیر مجموعه سمپلی استفاده می کنند.با این حال ، پیش بینی سمپلی نیاز به وجود اپراتورهای کاملاً گسسته دارد و در بسیاری موارد ، مانند حل کننده های PDE باکس سیاه ، این اپراتورها غیرقابل دسترسی هستند.در این کار ، ما یک روش یادگیری ماشین حفظ انرژی را پیشنهاد می کنیم که می تواند پویایی PDE داده شده را فقط با استفاده از داده ها استنباط کند ، به طوری که چارچوب پیشنهادی به اپراتورهای کاملاً گسسته بستگی ندارد.در این زمینه ، روش پیشنهادی غیر تهاجمی است.روش پیشنهادی جعبه خاکستری به این معناست که فقط به دانش اساسی مدل چند منظوره در سطح معادله دیفرانسیل جزئی نیاز دارد.ما ثابت می کنیم که روش پیشنهادی حفاظت از انرژی محلی گسسته فضایی را برآورده می کند و قوانین حفاظت از چند منظوره را حفظ می کند.ما روش خود را بر روی معادله موج خطی ، معادله Korteweg-de Vries و معادله زاخاروف-کوزنتسوف آزمایش می کنیم.ما با آزمایش آنها در خارج از بازه زمانی آموزش ، تعمیم مدل های آموخته خود را آزمایش می کنیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.