跳到主要内容
检索

# 神经算子

2 篇关联报道

订阅更新
  1. arXiv

    贝叶斯神经算子漏掉系统性误差:补上残差观测后,热断桥在线优化从178小时降到18分钟

    贝叶斯神经算子只把权重当作不确定来源,学到的算子与偏微分方程解之间仍留有随训练数据增加而不消失的系统性偏差。残差信息贝叶斯神经算子(RI-BNO)用控制方程残差的一步牛顿校正生成误差观测,训练一个概率化不足模型,并把它的均值与协方差并入似然。在反应扩散基准、胶质瘤MRI反演和三维热断桥风险优化中,它与有限元参考的吻合优于原版贝叶斯神经算子,且只用一半的全非线性或瞬态训练模拟;热断桥在线优化由约178小时降至18分钟。

  2. arXiv

    下水道数字孪生不再逐管重训:FLOOD 算子跨管径跨管网预测,单管提速约5500倍

    下水道水力数字孪生长期受制于圣维南方程的求解速度,而既有机器学习替代模型换一根管道或一种流态就要重新训练。FLOOD 用多分支神经算子直接学习圣维南方程的解算子,以管道几何、水力参数和两端检查井水位为输入,输出水深与流量。在未参与训练的管道上,水深与流量的决定系数分别达到1.000和0.999,单管在线预测提速约5500倍,并可直接用于粗糙度校准与漏水定位。

已读完全部报道