本論文では、データから理論的に線形安定な疎な微分演算子を学習する新しい手法を提案している。
まず、標準的な回帰問題を解いて微分演算子(LDO)を学習する手法について説明する。この手法では、学習した微分演算子の安定性を理論的に保証することはできない。
そこで、線形安定性の理論に基づいた制約条件を回帰問題に組み込むことで、安定な微分演算子(S-LDO)を学習する手法を提案する。この手法では、局所的な条件を満たすように微分演算子を学習することで、全体としても安定な微分演算子を得ることができる。
さらに、非線形偏微分方程式の場合についても、線形化した方程式に基づいて安定性の制約条件を定式化する手法を示している。
提案手法の有効性を確認するため、1次元スカラー移流拡散方程式、1次元バーガース方程式、2次元移流方程式の3つのテストケースで検証を行っている。その結果、制約付き回帰問題を解くことで、正確かつ線形安定な疎な微分演算子を得ることができることを示している。
Ke Bahasa Lain
dari konten sumber
arxiv.org
Wawasan Utama Disaring Dari
by Aviral Praka... pada arxiv.org 05-02-2024
https://arxiv.org/pdf/2405.00198.pdfPertanyaan yang Lebih Dalam