ترجمه فارسی مقاله شبکه عصبی با اطلاعات فیزیک عمومی برای حل معادلات دیفرانسیل با اختلال منفرد

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی General-Kindred Physics-Informed Neural Network to the Solutions of Singularly Perturbed Differential Equations
عنوان مقاله به فارسی شبکه عصبی با اطلاعات فیزیک عمومی برای حل معادلات دیفرانسیل با اختلال منفرد
نویسندگان Sen Wang, Peizhi Zhao, Qinglong Ma, Tao Song
فرمت مقاله انگلیسی PDF
تعداد صفحات 10
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Mathematical Physics,Numerical Analysis,یادگیری ماشین , فیزیک ریاضی , تجزیه و تحلیل عددی ,
توضیحات Submitted 26 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 26 اوت 2024 ؛در ابتدا اوت 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

Physics-Informed Neural Networks (PINNs) have become a promising research direction in the field of solving Partial Differential Equations (PDEs). Dealing with singular perturbation problems continues to be a difficult challenge in the field of PINN. The solution of singular perturbation problems often exhibits sharp boundary layers and steep gradients, and traditional PINN cannot achieve approximation of boundary layers. In this manuscript, we propose the General-Kindred Physics-Informed Neural Network (GKPINN) for solving Singular Perturbation Differential Equations (SPDEs). This approach utilizes asymptotic analysis to acquire prior knowledge of the boundary layer from the equation and establishes a novel network to assist PINN in approximating the boundary layer. It is compared with traditional PINN by solving examples of one-dimensional, two-dimensional, and time-varying SPDE equations. The research findings underscore the exceptional performance of our novel approach, GKPINN, which delivers a remarkable enhancement in reducing the $L_2$ error by two to four orders of magnitude compared to the established PINN methodology. This significant improvement is accompanied by a substantial acceleration in convergence rates, without compromising the high precision that is critical for our applications. Furthermore, GKPINN still performs well in extreme cases with perturbation parameters of ${1\times10}^{-38}$, demonstrating its excellent generalization ability.

چکیده به فارسی (ترجمه ماشینی)

شبکه های عصبی آگاه از فیزیک (PINN) به یک جهت تحقیق امیدوارکننده در زمینه حل معادلات دیفرانسیل جزئی (PDE) تبدیل شده اند.مقابله با مشکلات آشفتگی مفرد همچنان یک چالش دشوار در زمینه پین ​​است.راه حل مشکلات آشفتگی مفرد اغلب لایه های مرزی تیز و شیب های شیب دار را نشان می دهد ، و پین سنتی نمی تواند به تقریب لایه های مرزی دست یابد.در این نسخه خطی ، ما شبکه عصبی آگاه از فیزیک (GKPINN) را برای حل معادلات دیفرانسیل اختلال مفرد (SPDES) پیشنهاد می کنیم.این روش از تجزیه و تحلیل مجانبی برای به دست آوردن دانش قبلی از لایه مرزی از معادله استفاده می کند و یک شبکه جدید برای کمک به PINN در تقریب لایه مرزی ایجاد می کند.با حل نمونه هایی از معادلات SPDE یک بعدی ، دو بعدی و متغیر زمان با PINN سنتی مقایسه می شود.یافته های تحقیق ، عملکرد استثنایی رویکرد جدید ما ، GKPINN را تأکید می کند ، که در کاهش خطای L_2 $ $ با دو تا چهار مرتبه در مقایسه با روش PINN ایجاد شده ، پیشرفت چشمگیری را ارائه می دهد.این پیشرفت قابل توجه با شتاب قابل توجهی در میزان همگرایی همراه است ، بدون اینکه به دقت بالایی که برای برنامه های ما بسیار مهم است ، به خطر بیاندازد.علاوه بر این ، GKPINN هنوز هم در موارد شدید با پارامترهای آشفتگی $ 1 \ Times10}^{-38} $ عملکرد خوبی دارد و توانایی عمومی سازی عالی آن را نشان می دهد.

📚 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.