PINNup：基于频率上采样与神经元分裂的鲁棒神经网络波场求解方法
机器学习
2022-06-22 v1 计算物理
摘要
通过物理信息神经网络(PINN)求解频域散射波场在地震建模与反演中具有巨大潜力。然而，在处理高频波场时，其精度与训练成本限制了应用。为此，我们提出一种利用频率上采样与神经元分裂的PINN新实现，其允许神经网络模型随频率升高而增大规模，同时借助低频波场预训练模型的信息，从而快速收敛至高精度解。数值结果表明，与常用的随机初始化PINN相比，所提PINN在收敛性与精度方面具有显著优势，且能以双隐藏层模型实现基于神经元的高频波场解。
引用
@article{arxiv.2109.14536,
title = {PINNup: Robust neural network wavefield solutions using frequency upscaling and neuron splitting},
author = {Xinquan Huang and Tariq Alkhalifah},
journal= {arXiv preprint arXiv:2109.14536},
year = {2022}
}
备注
7 pages, 9 figures