Wiele fizycznie nieuzasadnionych sieci neuronowych, mimo zadowalają- cej wydajności, generuje sprzeczności z logiką i prowadzi do rozbieżno- ści wyników z rzeczywistością. Jedną z metod poprawy funkcjonowania typowego modelu typu “black-box” na etapie uczenia, jest rozszerzenie jego funkcji kosztu o zależność bezpośrednio inspirowaną wzorem fizycz- nym. Niniejszy rozdział wyjaśnia koncepcję budowy sieci neuronowych opartych na prawach fizyki, zawiera przegląd zaproponowanych rozwią- zań w tej dziedzinie oraz opisuje możliwości implementacji funkcji strat wykorzystujących wzory fizyczne. Ponadto przedstawione badania poka- zują, że przewidywania algorytmów inspirowanych przez fizykę mogą być nie tylko optymalne, ale również naukowo spójne z równaniami dziedzi- nowymi. Ostatecznie wykorzystanie wiedzy naukowej zawartej w dosto- sowanych funkcjach kosztów pokazuje, że metodyka ta gwarantuje wy- niki spójne z prawami fizyki, a także lepszą generalizację w porównaniu z klasycznymi sieciami neuronowymi.
Authors
Additional information
- Category
- Publikacja monograficzna
- Type
- rozdział, artykuł w książce - dziele zbiorowym /podręczniku o zasięgu krajowym
- Language
- polski
- Publication year
- 2021
Source: MOSTWiedzy.pl - publication "Sieci neuronowe oparte na prawach fizyki" link open in new tab
