Wyszukiwarka
Abstrakt
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.
Cytuj jako
Pełna treść
pełna treść publikacji nie jest dostępna w portalu
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Publikacja monograficzna
- Typ:
- rozdział, artykuł w książce - dziele zbiorowym /podręczniku o zasięgu krajowym
- Język:
- polski
- Rok wydania:
- 2021
- Opis bibliograficzny:
- Moszyński M., Borzyszkowski B., Damaszke K., Romankiewicz J., Świniarski M.: Sieci neuronowe oparte na prawach fizyki// Uczenie maszynowe i systemy rozproszone/ : , 2021, s.110-119
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 293 razy