公开(公告)号：CN119918574A

公开(公告)日：2025-05-02

申请号：CN202510005195.7

申请日：2025-01-02

Applicant: 上海大学 ,  中国电子科技集团公司第二十三研究所

Inventor： 张丹 ,  高雷 ,  陈耀然 ,  彭艳 ,  倪国新 ,  王香云 ,  李孝伟

IPC: G06N3/04 ,  G06N3/08 ,  G06F17/13

Abstract: 本发明公开了一种全局‑局部重采样物理信息神经网络方法，旨在解决自适应重采样策略残差配置点分布不适宜的问题。现有的自适应重采样策略只关注局部残差较大的区域，忽视了全局残差配置点的数量和分布。此外，这些策略对初始残差配置点的数量极为敏感，若初始配置点数量不足，可能导致训练失败或不收敛。针对上述问题，本发明提出的一种全局‑局部重采样物理信息神经网络方法，以蒙特卡洛积分评估模型精度，在全局和局部区域自适应地添加残差配置点，从而有效提高物理信息神经网络模型的求解精度，增强其泛化能力和鲁棒性。该方法为物理信息神经网络的进一步发展和应用提供了重要的理论基础和参考价值。

公开(公告)号：CN117932198A

公开(公告)日：2024-04-26

申请号：CN202410100379.7

申请日：2024-01-24

Applicant: 上海大学

Inventor： 张丹 ,  高雷 ,  陈耀然 ,  张翔宇 ,  周熙 ,  彭艳

IPC: G06F17/13 ,  G06N3/09

Abstract: 本发明公开一种物理信息神经网络求解时变偏微分方程的方法，主要针对求解时变偏微分方程需要大量的残差配置点的问题，提出了将整个时间求解域分成连续相等的若干个时间段，每次以相对较少的残差配置点求解一个时间段，并把当前时间段的求解结果作为下个时间段的标签数据，依次向后求解，并把每次求解结果进行存储，当所有时间段求解完成后，作为整个时间域的标签数据，进行再次训练。该方法不仅能够以较少的残差配置点，获得较高数值解的精度，还具有一定的泛化性。本发明主要应用于工程设计和优化领域中，所涉及的时变偏微分方程的数值计算和仿真，通过该方法获得数值解的效率更快，精度更高，节约了一定的成本和劳动力。