相空间中的卷积神经网络与反问题
偏微分方程分析
2018-11-12 v1 机器学习
机器学习
摘要
我们从机器学习的观点研究利用对探测波的响应来确定介质性质的反问题。基于对波传播及其非线性相互作用的理解，我们构造了一个深度卷积神经网络，其中参数用于分类和重构建模介质性质的非线性波动方程的系数。此外，对于给定的近似精度，我们得到了网络的深度与单元数，以及它们对介质复杂度的定量依赖关系。
引用
@article{arxiv.1811.04022,
title = {Convolutional neural networks in phase space and inverse problems},
author = {Gunther Uhlmann and Yiran Wang},
journal= {arXiv preprint arXiv:1811.04022},
year = {2018}
}