MAPress
مقاله یک چارچوب جدید برای تعمیم مدلهای فیزیک پنهان عمیق

مقاله یک چارچوب جدید برای تعمیم مدلهای فیزیک پنهان عمیق

تگ‌ها: Analysis of PDEs Artificial Intelligence Machine Learning تجزیه و تحلیل PDES هوش مصنوعی یادگیری ماشین

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی A novel framework for generalization of deep hidden physics models
عنوان مقاله به فارسی مقاله یک چارچوب جدید برای تعمیم مدلهای فیزیک پنهان عمیق
نویسندگان Vijay Kag, Birupaksha Pal
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 37
دسته بندی موضوعات Machine Learning,Artificial Intelligence,Analysis of PDEs,یادگیری ماشین , هوش مصنوعی , تجزیه و تحلیل PDES ,
توضیحات Submitted 9 January, 2024; originally announced January 2024.
توضیحات به فارسی ارسال شده در 9 ژانویه 2024 ؛در ابتدا ژانویه 2024 اعلام شد.

چکیده

Modelling of systems where the full system information is unknown is an oft encountered problem for various engineering and industrial applications, as it's either impossible to consider all the complex physics involved or simpler models are considered to keep within the limits of the available resources. Recent advances in greybox modelling like the deep hidden physics models address this space by combining data and physics. However, for most real-life applications, model generalizability is a key issue, as retraining a model for every small change in system inputs and parameters or modification in domain configuration can render the model economically unviable. In this work we present a novel enhancement to the idea of hidden physics models which can generalize for changes in system inputs, parameters and domains. We also show that this approach holds promise in system discovery as well and helps learn the hidden physics for the changed system inputs, parameters and domain configuration.

چکیده به فارسی (ترجمه ماشینی)

مدل سازی سیستم هایی که اطلاعات کامل سیستم ناشناخته است ، یک مشکل اغلب برای کاربردهای مختلف مهندسی و صنعتی روبرو است ، زیرا در نظر گرفتن تمام فیزیک های پیچیده درگیر یا مدل های ساده تر در نظر گرفته می شود که در محدوده منابع موجود نگه داشته می شوند.پیشرفت های اخیر در مدل سازی Greybox مانند مدلهای فیزیک پنهان عمیق با ترکیب داده ها و فیزیک این فضا را به این فضا می پردازد.با این حال ، برای اکثر برنامه های زندگی واقعی ، تعمیم مدل یک مسئله کلیدی است ، زیرا بازآفرینی یک مدل برای هر تغییر کوچک در ورودی ها و پارامترهای سیستم یا اصلاح در پیکربندی دامنه می تواند مدل را از نظر اقتصادی غیرقابل توصیف کند.در این کار ما یک پیشرفت جدید به ایده مدل های فیزیک پنهان ارائه می دهیم که می تواند برای تغییر در ورودی های سیستم ، پارامترها و دامنه ها تعمیم دهد.ما همچنین نشان می دهیم که این رویکرد در کشف سیستم نیز وعده داده شده است و به یادگیری فیزیک پنهان برای ورودی های سیستم تغییر یافته ، پارامترها و پیکربندی دامنه کمک می کند.

📚 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.