Deep Ritz Method for Elliptical Multiple Eigenvalue Problems
PulseAugur coverage of Deep Ritz Method for Elliptical Multiple Eigenvalue Problems — every cluster mentioning Deep Ritz Method for Elliptical Multiple Eigenvalue Problems across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
深度Ritz方法解决非线性均匀化问题
研究人员开发了一种使用参数化深度Ritz方法来解决非线性椭圆均匀化中胞问题的新方法。该方法使用神经网络对胞响应进行离散化，提供了一种连续且可微的表示，可以在宏观状态范围内同时求解。参数化深度Ritz方法显示出准确性和效率，与传统的FE$^2$方案相比，显著加快了宏观尺度的求解速度。
-
新数学论文探讨用于 ReLU 网络的 Barron 空间
一篇新的 arXiv 论文探讨了 Barron 空间内函数的数学性质，该空间专为具有单隐藏层的宽 ReLU 网络而设计。研究表明，在 Barron 空间中具有狄利克雷边界数据的调和函数通常不是 Lipschitz 连续的，也不属于 Sobolev 类 $H^2$。然而，这些函数可以通过低范数的 Barron 函数以高精度逼近，特别是在最多具有两个导数的 Lebesgue 和 Sobolev 范数下。这种正则性理论对于推导 Deep R…
-
新的基于学习的试探方法改进了变分问题求解
研究人员为变分问题引入了一种新颖的基于学习的试探方法，该方法内在地满足边界条件，无需像深度 Ritz 方法中常用的惩罚项。这种在 Sobolev 范数内建立的新方法为解决此类问题提供了一种更严谨且可能更简单的方法。所提出的试探方法旨在防止误导性的优化结果，同时保持准确性，并展示了实际效果。
-
新研究详解深度Ritz方法在薛定谔方程中的特征学习
本文探讨了使用深度Ritz方法求解定常薛定谔方程的特征学习问题。文章分析了黎曼梯度下降的收敛性，证明了其能达到近似全局最小值。研究进一步考察了当偏微分方程的源项遵循单指标模型时的损失景观，展示了在单神经元和双神经元场景下如何实现特征对齐。数值实验验证了双神经元情况下特征涌现的理论。