ELM-DeepONets：基于极端学习机实现深度算子网络的无反向传播训练
机器学习
2025-01-17 v1 人工智能
数值分析
数值分析
摘要
深度算子网络（Deep Operator Networks, DeepONets）是算子学习领域最突出的框架之一，基于算子的普遍逼近定理。然而，训练 DeepONets 通常需要巨大的计算资源。为此提出了 ELM-DeepONets，即基于极端学习机（Extreme Learning Machine, ELM）的 DeepONets 框架，利用 ELM 无需反向传播的特性。通过将 DeepONet 训练重新表述为新引入参数的最小二乘问题，ELM-DeepONet 方法显著降低了训练复杂度。在包括非线性常微分方程和偏微分方程在内的基准问题上的验证表明，所提方法不仅实现了卓越的精度，还大幅降低了计算成本。本工作为科学计算中的算子学习提供了一种可扩展且高效的替代方案。
引用
@article{arxiv.2501.09395,
title = {ELM-DeepONets: Backpropagation-Free Training of Deep Operator Networks via Extreme Learning Machines},
author = {Hwijae Son},
journal= {arXiv preprint arXiv:2501.09395},
year = {2025}
}