当前位置:网站首页>论文理解:“PIAT: Physics Informed Adversarial Training for Solving Partial Differential Equations“
论文理解:“PIAT: Physics Informed Adversarial Training for Solving Partial Differential Equations“
2022-08-10 02:16:00 【RrS_G】
译:解偏微分方程的物理对抗训练
-- arxiv -- 2022
目录
4.1、Kuramoto–Sivashinsky (KS) equation
一、引言
为提高PINN的性能,作者首先引入权值衰减和高斯平滑。然后又提出了一种更广义的基于对抗性训练的非线性问题求解方法,称为PIAT。
利用该方法训练全连接神经网络解决各种维度的物理问题,使神经网络具有更好的鲁棒性,对测试数据具有泛化作用,而PINN可能不够有效。本文将该模型应用于三个PDE系统,Kuramoto-Sivashinsky方程、Sawada-Kotera方程和高维Allen-Cauhn方程。在所有情况下,训练数据的总数都相对较少,训练和测试数据是使用拉丁超立方体抽样(LHS)策略生成的。
二、高斯平滑和权值衰减
为了提高网络的泛化性,作者建议隐式地使解对小随机扰动具有鲁棒性,因此作者在训练中加入随机有界噪声作为增强,并应用权值衰减,以达到一个稳定的模型。
对带有高斯噪声的输入样本进行扰动,可以简单地这样做:
此外,利用权重衰减作为另一种有效的方法来防止过拟合和改善泛化。权值衰减是一种正则化项,它在损失函数中加入惩罚项以保持模型权值较小,如下所示:
三、PLAT
一般的优化目标是这样的:
使用上述目标的正常训练在许多任务中表现良好,但它导致的模型在对抗性例子(有扰动)面前很脆弱。使用权重衰减和高斯平滑的原因就是为了缓解这个问题。然而,仅依靠这些达不到应有的效果。
另一个解决这个问题的方法是对抗性训练,其包括两部分。在第一部分中,优化了一个小扰动δ,并将其加入到训练样本x中,使网络损失最大化。接下来,基于扰动样本(x, t) + δ上定义的损失函数的一次随机梯度更新来优化神经网络权值:
四、数值实验
4.1、Kuramoto–Sivashinsky (KS) equation
考虑四阶非线性Kuramoto-Sivashinsky(KS)方程的周期初值问题如下:
利用所提出的方法,用一个具有5个隐层、每隐层100个神经元和200个边界点的深度神经网络近似求解。表2给出了不同数量的边界点和配置点的解的训练和测试误差。
图3显示了训练和验证损失:
4.2、高维Allen-Cauhn方程
方程如下:
表12中的数值结果显示了PIAT在不同维度上与标准的PINN训练相比的效率
解的误差结果:
最后附上代码: https://github.com/rohban-lab/PIAT
边栏推荐
- Arcgis进阶篇(1)——安装Arcgis Enterprise,创建sde库
- 2022.8.9 Exam Cube Sum--1100 Question Solutions
- QT模态对话框及非模态对话框学习
- LeetCode每日两题02:两数之和 II - 输入有序数组 (均1200道)
- 【图像分类】2022-ConvMixer ICLR
- 官宣出自己的博客啦
- web crawler error
- Screen 拆分屏幕
- 网页挖矿溯源?浏览器浏览历史查看工具Browsinghistoryview
- [Red Team] ATT&CK - Self-starting - Self-starting mechanism using LSA authentication package
猜你喜欢
实例043:作用域、类的方法与变量
Little rookie Hebei Unicom induction training essay
liunx PS1 settings
MySQL:日志系统介绍 | 错误日志 | 查询日志 | 二进制日志:bin-log数据恢复实践 | 慢日志查询
Excel Advanced Drawing Skills 100 Lectures (23) - Countdown Counting in Excel
如何编写一份优质的测试用例?
MySQL:你做过哪些MySQL的优化?
【QT】QT项目:自制Wireshark
基于C51的中断控制
【二叉树-中等】508. 出现次数最多的子树元素和
随机推荐
Go语言JSON文件的读写操作
官宣出自己的博客啦
算法与语音对话方向面试题库
【二叉树-中等】1261. 在受污染的二叉树中查找元素
[8.8] Code Source - [Non-falling subarray game] [Longest rising subsequence count (Bonus)] [Substring (data enhanced version)]
GDB command basic parameters
SQLserver加个判断
【Kali安全渗透测试实践教程】第7章 权限提升
深度学习(五) CNN卷积神经网络
Research on IC enterprises
Deep Learning (5) CNN Convolutional Neural Network
2022.8.8 Exam written in memory (memory)
Arcgis进阶篇(1)——安装Arcgis Enterprise,创建sde库
量化交易策略介绍及应用市值中性化选股
Open3D 网格均匀采样
idea 删除文件空行
将信号与不同开始时间对齐
2022.8.9考试平衡的余数--1000题解
QT模态对话框及非模态对话框学习
Research on IC enterprises