Физика > Геофизика [представлена 24 февраля 2025 года (v1), последний пересмотренный 16 октября 2026 года (этая версия, v3)] Название: Gabor-усиленная физики-информированные нейронные сети для быстрого имитации акустических полей Вейвфилдс Вид PDF HTML (экспериментальный) Резюме: Физикско-информационные Нейральные сети (PINNs) привлекли внимание к решению частичных дифференционных уравнений, в том числе рассредоточенного уравнения Хельмгольца изза их гибкости и свободного от меха состава. Вместе с тем их эффективность характеризуется низкой частотой отклонения, особенно в случае высокочастотного моделирования волнового поля, что ограничивает скорость и точность конвергенции. Для решения этой проблемы мы предлагаем новую и упрощенную рамочную программу PINN, которая включает в себя четкие, поддающиеся обучению функции Gabor для эффективного отражения локализованного и осцилляционного характера волновых полей. В отличие от предыдущих PINN, основанных на Gabor и полагающихся на мультипликативные фильтры или вспомогательные сети для изучения параметров Габора, наш подход переосмысливает задачу сети как изучение нелинейного картирования от входных координат до конкретной системы координат Gabor, где функция Габора улавливает доминирующее осциллационное поведение волнового поля. Эта формула поглощает воздействие двух параметров Gabor в полученное картирование, уменьшая вычислительную сложность и устраняя необходимость ручной настройки гиперпарометров. Мы также представляем…
Усиленные физико-информированные нейронные сети для быстрой имитации акустических волновых полей
arXiv: 2502 17134v3 Тип анонсации: заменить перекрестное резюме: Информированные Нейронные сети (PINNs) привлекли внимание к решению частичных дифференциальных уравнений, в том числе рассредоточенного уравнения Helmholtz из-за их гибкости и свободного от сетки состава. Вместе с тем их эффективность характеризуется низкой частотой отклонения, особенно в случае высокочастотного моделирования волнового поля, что ограничивает скорость и точность конвергенции. Для решения этой проблемы мы предлагаем новую и упрощенную рамочную программу PINN, которая включает в себя четкие, поддающиеся обучению функции Gabor для эффективного отражения локализованного и осцилляционного характера волновых полей. В отличие от предыдущих PINN, основанных на Gabor и полагающихся на мультипликативные фильтры или вспомогательные сети для изучения параметров Габора, наш подход переосмысливает задачу сети как изучение нелинейного картирования от входных координат до конкретной системы координат Gabor, где функция Габора улавливает доминирующее осциллационное поведение волнового поля. Этот состав поглощает эффект двух Габ.
