利用损失分解进行长期波浪预测
机器学习
2024-12-05 v1
摘要
对复杂物理过程如波浪传播进行长时间尺度的预测至关重要。尽管深度神经网络在实时预测方面显示出前景，但它们往往在预测时间延长时积累相位和幅值误差。为此，我们提出了一种新颖的损失分解策略，将损失分解为相位和幅值组件。该技术通过显式地处理数值误差、提高稳定性并减少长期预测中的误差累积，从而提高神经网络在波浪传播任务中的长期预测准确性。
引用
@article{arxiv.2412.02924,
title = {Harnessing Loss Decomposition for Long-Horizon Wave Predictions via Deep Neural Networks},
author = {Indu Kant Deo and Rajeev Jaiman},
journal= {arXiv preprint arXiv:2412.02924},
year = {2024}
}
备注
6 pages, 4 figures, NeurIPS Machine Learning for Physical Sciences workshop