基于改进的傅里叶神经算子的二维涡度预测方法

  • 国民经济行业:信息传输、软件和信息技术服务业/软件和信息技术服务业/信息系统集成服务
  • 学科类别:信息科学与系统科学/信息科学与系统科学基础学科/信息论
  • 权利人:上海交通大学

知识产权简介

本发明涉及的是一种求解偏微分方程和人工智能领域的技术,具体是一种利用均摊参数化的傅立叶神经算子的偏微分方程求解方法。

转化前景

[0008] 本发明改善了傅立叶神经算子在求解具有高频分量函数时的性能同时减少了模型复杂度,通过神经网络拟合核函数在不同频率分量的值从而均摊参数化核函数,实现了一个均摊参数化的神经算子模型模型,以改进模型对偏微分方程的求解。 [0009] 与现有技术相比,本发明平均降低25%和35%的相对误差,同时在所有频率范围内有更低的相对误差。此外,本发明表现出在不同离散化上的泛化能力。这些结果表明,本发明具有显著降低训练成本和高分辨率训练数据需求的潜力。下表汇报了本发明与同类方法在标准数据集上的相对误差。从实验结果可以看出本发明提出的模型相比其他方法的相对误差有明显下降,达到目前最先进的水平。

基本信息

权利人 上海交通大学
知识产权类型 专利
意向合作模式 入股,许可,转让
预估金额
联系合作