مدلسازی دینامیک غیرخطی به کمک شبکه های عصبی عمیق بازگشتی مطلع از فیزیک
Publish Year: 1401
Type: Journal paper
Language: Persian
View: 210
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JTAE-6-4_003
Index date: 17 April 2023
مدلسازی دینامیک غیرخطی به کمک شبکه های عصبی عمیق بازگشتی مطلع از فیزیک abstract
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.
مدلسازی دینامیک غیرخطی به کمک شبکه های عصبی عمیق بازگشتی مطلع از فیزیک Keywords:
مدلسازی دینامیک غیرخطی به کمک شبکه های عصبی عمیق بازگشتی مطلع از فیزیک authors
سیدحسین پورتاکدوست
دانشگاه صنعتی شریف، دانشکده هوافضا
امیرحسین خدابخش
دانشگاه صنعتی شریف
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :