典型文献
Helmholtz方程反问题的PINNS解法
文献摘要：
文章利用基于机器学习的内嵌物理机理神经网络(PINNs)方法求解Helmholtz方程及其参数识别反问题.针对Helmholtz方程正问题,利用自动微分将Helmholtz方程嵌入进深度神经网络损失函数,通过最小化损失函数来优化深度神经网络,得到求解Helmholtz方程算法;针对未知参数p,k2的参数识别反问题,通过附加测量数据,得出了参数p,k2的求解算法;数值算例表明,PINNs方法求解Helmholtz方程及其参数识别反问题的算法是有效的.
文献关键词：
Helmholtz方程;PINNs;正反问题;参数识别
中图分类号：
作者姓名：
戴卫杰;张文;徐会林;夏(赟)
作者机构：
东华理工大学理学院,南昌 330013;赣南师范大学数学与计算机科学学院,江西赣州 341000
文献出处：
引用格式：
[1]戴卫杰;张文;徐会林;夏(赟)-.Helmholtz方程反问题的PINNS解法)[J].赣南师范大学学报,2022(06):1-7
A类：
PINNS
B类：
Helmholtz,基于机器学习,内嵌,物理机理,PINNs,参数识别,正问题,自动微分,进深,深度神经网络,络损,损失函数,未知参数,k2,测量数据,求解算法,数值算例,正反问题
AB值：
0.305446
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
