我是靠谱客的博主 简单大碗，这篇文章主要介绍Transfer learning for deep neural network-based partial differential equations solving论文笔记IntroductionRelated worksExperimental results，现在分享给大家，希望可以做个参考。
Introduction
基于DNN的替代模型的迁移学习效果尚未得到充分研究
Related works
首先介绍了PINN：控制方程以及初始和边界条件作为惩罚项嵌入损失函数中，以指导梯度下降方向；下面介绍了迁移学习
本文目标：在本文中，我们的目标不是优化网络设计，而是研究广泛使用的代理模型的传输能力。我们使用不同的模型对两个PDE基准进行了一系列实验。
Experimental results
下面第这一部分就是主要在说实验的东西了
3.1我们基于Helmholtz方程训练基于DNN的代理模型，并研究具有不同源项的情况下的迁移性能
3.2节中，我们对具有不同雷诺数的Navier-Stokes方程进行了迁移学习实验。
3.3节评估了两个不同方程之间的迁移能力。
最后
以上就是简单大碗最近收集整理的关于Transfer learning for deep neural network-based partial differential equations solving论文笔记IntroductionRelated worksExperimental results的全部内容，更多相关Transfer内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复