用于动力系统 corruption 去除的物理信息卷积神经网络
流体动力学
2022-11-08 v2 机器学习
摘要
动力系统上的测量（无论是实验还是其他形式）常常受到可能引入污染的不准确性的影响；去除这些污染是物理科学中一个具有根本重要性的问题。在这项工作中，我们提出了用于平稳污染去除的物理信息卷积神经网络，在配置点处可获取部分真值观测的条件下，提供了从数据中提取物理解的手段。我们展示了该方法在混沌-湍流流态下的二维不可压缩 Navier-Stokes 方程上的应用，证明了其对污染模态和幅度的鲁棒性。
引用
@article{arxiv.2210.16215,
title = {Physics-Informed Convolutional Neural Networks for Corruption Removal on Dynamical Systems},
author = {Daniel Kelshaw and Luca Magri},
journal= {arXiv preprint arXiv:2210.16215},
year = {2022}
}
备注
Published in NeurIPS 2022: Machine Learning and the Physical Sciences Workshop. Code at http://github.com/magriLab/PICR