DON-LSTM：基于 DeepONet 与长短期记忆神经网络的多分辨率学习
机器学习
2023-10-05 v1
摘要
深度算子网络（DeepONets，DONs）相较于传统神经网络具有一个明显优势，即能够在多分辨率数据上训练。这一特性在难以获取高分辨率测量值而低分辨率数据更易获得的现实场景中尤为相关。然而，与其他最先进算法相比，单独的 DeepONet 往往难以捕捉和保持长序列上的依赖关系。我们提出了一种名为 DON-LSTM 的新型架构，它将长短期记忆网络（LSTM）扩展至 DeepONet。结合这两种架构，我们为网络配备了利用多分辨率数据的显式机制，以及捕捉长序列中时间依赖关系的能力。我们在多个非线性系统的长时间演化建模上测试了我们的方法，结果表明所提出的多分辨率 DON-LSTM 相较于其原始对应方法实现了显著更低的泛化误差，且需要更少的高分辨率样本。
引用
@article{arxiv.2310.02491,
title = {DON-LSTM: Multi-Resolution Learning with DeepONets and Long Short-Term Memory Neural Networks},
author = {Katarzyna Michałowska and Somdatta Goswami and George Em Karniadakis and Signe Riemer-Sørensen},
journal= {arXiv preprint arXiv:2310.02491},
year = {2023}
}
备注
18 pages, 3 figures