【技术实现步骤摘要】
本专利技术属于神经网络评价的，具体涉及一种对求解偏微分方程的神经网络算法进行评价的方法。
技术介绍
1、偏微分方程(partial differential equations,pdes)是描述系统变量之间关系的重要数学工具，在现代科学和工程领域有着广泛的应用。为了更好、更准确地描述科学问题，在构建数学模型时，需要考虑尽可能多的影响因素，例如初边值条件，求解区域等。这就导致大多数实际问题中的偏微分方程变得更加复杂，无法进行精确求解，只能利用数值求解方法得到方程的数值解。目前，主要有两类求解pdes的方法：传统数值方法以及神经网络算法。传统数值方法包括有限差分法、有限元法和有限体积法等，这些方法的基本思想是将连续的pdes转化为离散的数值计算问题，然后通过数值计算方法求解得到数值解。
2、近年来，深度学习在计算机视觉、自然语言处理和蛋白质结构预测等许多学科领域取得了巨大成功，求解偏微分方程的神经网络算法研究也取得了巨大进展。目前较为流行的神经网络算法有物理信息神经网络(physics-informed neural netwo...
【技术保护点】
1.对求解偏微分方程的神经网络算法进行评价的方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的对求解偏微分方程的神经网络算法进行评价的方法，其特征在于，选取的偏微分方程包括：
3.根据权利要求1所述的对求解偏微分方程的神经网络算法进行评价的方法，其特征在于，所述构建评测数据集具体为：
4.根据权利要求1所述的对求解偏微分方程的神经网络算法进行评价的方法，其特征在于，所述选取基于函数学习的神经网络算法以及基于算子学习的神经网络算法，具体为：
5.根据权利要求1所述的对求解偏微分方程的神经网络算法进行评价的方法，其特...
【技术特征摘要】
1.对求解偏微分方程的神经网络算法进行评价的方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的对求解偏微分方程的神经网络算法进行评价的方法，其特征在于，选取的偏微分方程包括：
3.根据权利要求1所述的对求解偏微分方程的神经网络算法进行评价的方法，其特征在于，所述构建评测数据集具体为：
4.根据权利要求1所述的对求解偏微分方程的神经网络算法进行评价的方法，其特征在于，所述选取基于函数学习的神经网络算法以及基于算子学习的神经网络算法，具体为：
5.根据权利要求1所述的对求解偏微分方程的神经网络算法进行评价的方法，其特征在于，所述评测指标包括用于评估神经网络算法求解精度的精度指标、用于评估神经网络算法求解效率的效率指标以及功能指标；
6.根据权利要求5所述的对求解偏微分方程的神经网络算法进行评价的方法，其特征在于，所述l2相对误差具体为：
7.根据权利要求5所述的对求解偏微分方程的神经网络算法进行评价的方法，其特征在于，所述训练时间定义为从开始训练一个神经网络算法到训练完成所花费的时间，即ttrain＝nepo...
【专利技术属性】
技术研发人员：邹青松，周子扬，岑鉴焕，范浩龙，黎鸿基，陈辽，何昌烨，韦平，刘梦晗，
申请(专利权)人：中山大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。