基于DeepONets的相互依赖系统恢复高效建模
机器学习
2022-06-23 v1 动力系统
概率论
摘要
对相互依赖的关键基础设施恢复进行建模，是量化和优化社会对扰动事件韧性的关键组成部分。然而，在随机扰动事件下模拟大规模相互依赖系统的恢复计算代价高昂。因此，我们在本文中提出应用深度算子网络（DeepONets）来加速相互依赖系统的恢复建模。DeepONets是从数据中辨识数学算子的机器学习（ML）架构。DeepONets所辨识的控制方程形式与相互依赖系统恢复模型的控制方程相似。因此，我们假设DeepONets能用少量训练数据高效建模相互依赖系统的恢复。我们将DeepONets应用于一个具有十六个状态的四个相互依赖系统的简单案例。总体而言，与参考结果相比，DeepONets在预测这些相互依赖系统训练样本外数据的恢复方面表现令人满意。
引用
@article{arxiv.2206.10829,
title = {Efficient Interdependent Systems Recovery Modeling with DeepONets},
author = {Somayajulu L. N. Dhulipala and Ryan C. Hruska},
journal= {arXiv preprint arXiv:2206.10829},
year = {2022}
}