用于不确定性量化的随机先验小波神经算子
机器学习
2023-02-03 v1 机器学习
摘要
在本文中，我们提出了一种新颖的数据驱动算子学习框架，称为随机先验小波神经算子（RP-WNO）。所提出的 RP-WNO 是近期提出的小波神经算子的扩展，后者具有优异的泛化能力但无法估计其预测相关的不确定性。与原始 WNO 不同，RP-WNO 自带固有的不确定性量化模块，因此有望对科学家和工程师都极为有用。RP-WNO 利用随机先验网络，其能够考虑先验信息，并且相比于其贝叶斯对应方法，更易于在大型复杂深度学习架构中实现。我们求解了四个算例来测试所提出的框架，所得结果有力地支持了该框架的有效性。
引用
@article{arxiv.2302.01051,
title = {Randomized prior wavelet neural operator for uncertainty quantification},
author = {Shailesh Garg and Souvik Chakraborty},
journal= {arXiv preprint arXiv:2302.01051},
year = {2023}
}