بررسی و حل مساله رایلی با استفاده از یادگیری عمیق

عیب اصلی روش های یاد گیری ماشین, وابسته بودن آنها به داده های آماده از قبل برای اجرای فرایند آموزش است. در این پژوهش از روشی مبتنی بریادگیری ماشین که اخیرا توسعه یافته است و نیازی به داده- های آماده از قبل ندارد. برای حل مساله رایلی که یک مساله پایه ای در دینامیک سیالات است استفاده می شود. درواقع تنها از شرایط مرزی و اولیه و معادله دیفرانسیل جزئی حاکم بر مساله، استفاده می- شود. چهار نوع تابع فعال سازی متنوع برای مساله مورد ارزیابی قرار می گیرند که تابع تانژانت هایپربولیک در بین توابع فعال سازی بررسی شده، بهترین عملکرد را دارد. در بخش الگوریتم بهینه ساز مدل, دو نوع استراتژی استفاده از شرایط استرانگ وولف برای محاسبه مقدار گام و همچنین مقدار ثابت گام، مورد بررسی قرار گرفته اند که نتایج، نشان دهنده آن است که مساله مورد بررسی؛ در وضعیت مقدار گام ثابت در زمان کمتری به همگرایی می رسد و درواقع ماهیت مساله به گونه ای است که نیازی با استفاده از شرایط استرانگ وولف برای محاسبه مقدار گام ندارد. همچنین مقدار بهینه برای پارامتر حافظه الگوریتم بهینه ساز محاسبه شده است.

کلیدواژه ها:

یادگیری عمیق ، شبکه عصبی ، دینامیک سیالات ، مساله رایلی