机构名称：
¥ 1.0
许多地下流动应用涉及对物理定律充分了解的组成部分，以及在物理定律了解不足或不适用的其他组件中。数值建模在前者方面擅长于以前的机器学习（ML）在后者方面的插值数据，但是两种方法都无法同时解决这些组件。现有的ML方法（通常称为具有物理信息的ML或PIML）同时处理这些类型的组件是对标准ML方法的较小调整（例如，PIML可能会使用物理数据进行训练或损失功能来鼓励ML遵守ML，而无需任何准确保证方程式）。调整黑盒ML模型在根本上受到限制，因为“大数据没有解释自身” - 在模型中意味着，可解释的结构是提高可预测性，使人类理解和最大化小数据影响的必要性。我们展示了可区分的编程（DP）如何使我们能够使用可训练的ML融合值得信赖的数值建模，从而增强了用于物理模型开发，倒数分析和机器学习的工作流程。
桥接数值模型和机器之间的缝隙...
主要关键词
相关文件推荐
