Editorial Fisika & Matematika
Open AccessOA2022
Metode dekomposisi domain mendalam berbasis fitur Fourier
Makalah ini memperkenalkan F-D3M, metode dekomposisi domain mendalam berbasis fitur Fourier untuk PDE. Metode ini memakai dekomposisi domain yang saling tumpang tindih dan jaringan fitur Fourier berganda untuk mereduksi mode frekuensi tinggi serta meningkatkan akurasi dan efisiensi.
Sen Li; Ying-Zhi Xia; Yu Liu; Qi-Feng Liaoยท Journal of Computational and Applied Mathematicsยท 2022ยท DOI 10.48550/arXiv.2205.01884
Masalah inti
Metode berbasis deep neural network (DNN) untuk menyelesaikan persamaan diferensial parsial (PDE) semakin populer, tetapi efisiensinya dapat menurun pada masalah dengan mode frekuensi tinggi. Para penulis mengusulkan metode dekomposisi domain mendalam berbasis fitur Fourier (F-D3M) untuk mengatasi masalah ini. Gagasan utamanya adalah menggabungkan dekomposisi domain yang saling tumpang tindih dengan multi Fourier feature network (MFFNet) untuk mereduksi mode frekuensi tinggi menjadi mode yang relatif berfrekuensi rendah di setiap subdomain, sehingga meningkatkan kinerja DNN.
Inovasi
Strategi F-D3M melibatkan pembagian domain spasial menjadi subdomain yang saling tumpang tindih. Di setiap subdomain, sebuah multi Fourier feature network (MFFNet) dibangun. Fungsi loss untuk setiap subdomain mencakup perlakuan batas dan antarmuka untuk menjamin kontinuitas dan akurasi. Kerangka matematis F-D3M dipaparkan, merinci konstruksi MFFNet dan perlakuan kondisi batas serta antarmuka. Metode ini memanfaatkan fitur Fourier untuk memetakan input ke ruang berdimensi lebih tinggi, sehingga memungkinkan aproksimasi fungsi frekuensi tinggi yang lebih baik.
Pendahuluan
Metode berbasis deep neural network (DNN) untuk menyelesaikan persamaan diferensial parsial (PDE) semakin populer, tetapi efisiensinya dapat menurun pada masalah dengan mode frekuensi tinggi. Para penulis mengusulkan metode dekomposisi domain mendalam berbasis fitur Fourier (F-D3M) untuk mengatasi masalah ini. Gagasan utamanya adalah menggabungkan dekomposisi domain yang saling tumpang tindih dengan multi Fourier feature network (MFFNet) untuk mereduksi mode frekuensi tinggi menjadi mode yang relatif berfrekuensi rendah di setiap subdomain, sehingga meningkatkan kinerja DNN.
Mengapa penting
Makalah ini membahas keunggulan F-D3M, terutama kemampuannya menangani masalah frekuensi tinggi melalui dekomposisi domain dan penggunaan fitur Fourier. Para penulis juga menganalisis efisiensi komputasi dan potensi batasannya. Kerangka matematis yang umum memungkinkan perluasan ke berbagai jenis PDE dan kondisi batas.
Siapa yang sebaiknya membaca
Pembaca Research Digest dan praktisi rumpun ini.
Membuka konten memberโฆ