Loading...
机构名称:
¥ 1.0

在这项工作中,我们提出了Garom,这是一种基于生成对抗网络(GAN)的订购建模(ROM)的新方法。gan试图使用两个神经网络,即歧视器和生成器,以与数据集的基础分布相同的统计数据生成数据。虽然广泛应用于深度学习的许多领域,但很少对其ROM的申请进行研究,即使用更简单的模型近似高保真模型。在这项工作中,我们结合了GAN和ROM框架,引入了一个数据驱动的生成对抗模型,能够学习参数微分方程的解决方案。在提出的方法中,鉴别器被建模为自动编码器,提取输入的相关特征,并将调理机制应用于指定微分方程参数的生成器和鉴别网络。我们展示了如何将我们的方法应用于推理,提供模型概括的实验证据,并对该方法进行收敛研究。

dario Coscia,Nicola Demo和Gianluigi Rozza

dario Coscia,Nicola Demo和Gianluigi RozzaPDF文件第1页