基于机器学习的无网格法模板评估

无网格法是数值分析中一个活跃且现代的分支，具有诸多引人瞩目的优点。与局部无网格法相关的主要开放研究问题之一是如何选择尽可能最佳的模板——即用于作为计算基础的相邻节点集合。本文中，我们描述了生成带标签模板数据集的过程，并使用pointNet的一种变体——一种基于点云的深度学习网络——来创建用于模板质量的分类器。我们利用pointNet的特征实现了一个可用于分类不同尺寸模板的模型，并将其与专用于单一模板尺寸的模型进行比较。该模型尤其擅长检测最佳与最差模板，其曲线下面积（AUC）指标约为0.90，表现可观。在无网格领域存在诸多进一步改进与直接应用的潜力。