مدلسازی دینامیک غیرخطی به کمک شبکه های عصبی عمیق بازگشتی مطلع از فیزیک
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 126
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JTAE-6-4_003
تاریخ نمایه سازی: 28 فروردین 1402
چکیده مقاله:
در این مقاله به بررسی قدرت پیشبینی شبکه های عصبی بازگشتی و به صورت ویژه شبکه های مطلع از فیزیک برای دینامیک های غیرخطی پرداخته شده است. شبکه های مطلع از فیزیک شبکه های عصبی بدون نظارتی هستند .این مشخصه ی شبکه کمک خواهد کرد تا معادلات با این دسته از شبکه های عصبی تقریب زده شود. در این تحقیق نشان داده خواهد شد که این رده از شبکه های عصبی به خوبی توانمندی اخذ دینامیک سامانه را دارند و حتی در مناطقی از فضای حالت که به شبکه نقطه ی نمونه ای داده نشده است تقریب قابل قبولی از سامانه بدست می دهند. برای اثبات این فرضیه، در مقاله ی حاضر سه دسته از دینامیک های غیرخطی مورد بررسی قرار گرفته اند: سیستم های (۱) خود-پایا (self-sustained)، (۲) تحریک شونده (excitatory)، و (۳) آشوبناک (chaotic). نتایج ارائه شده نشان دهنده ی توانمندی شبکه های مطلع از فیزیک برای تخمین سامانه های خود-پایا و آشوبناک است. این در حالی است که پاسخ شبکه در پیش بینی رفتار شبکه های تحریک شونده مطلوب نبوده و نیاز به مطالعه ی بیش تر دارد.
کلیدواژه ها:
نویسندگان
سیدحسین پورتاکدوست
دانشگاه صنعتی شریف، دانشکده هوافضا
امیرحسین خدابخش
دانشگاه صنعتی شریف
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :