典型文献
求解微分方程的人工智能与深度学习方法:现状及展望
文献摘要：
随着基础理论和硬件计算能力的飞速发展,深度学习技术在众多领域取得了令人瞩目的成绩.作为描述客观物理世界的重要工具,长期以来微分方程是各领域研究人员关心的重点.近年来,深度学习和微分方程的结合逐渐成了研究的热点.由于深度学习能够从大量数据中高效地提取特征,微分方程能够反应客观的物理规律,因此二者的结合可以有效地提升深度学习的泛化性,同时增强深度学习的可解释性.首先,介绍了深度学习求解微分方程的基本问题.其次,介绍了两类深度学习求解微分方程的方法:数据驱动和物理知情方法.然后,讨论了微分方程深度学习求解方法在实际中的应用.与此同时,在充分调研的基础上提出了科学智能大模型——DeDAO(微分之道),以应对现有的挑战.最后,对微分方程深度学习求解方法进行了简要总结.
文献关键词：
人工智能;深度学习;神经网络;微分方程
中图分类号：
作者姓名：
卢经纬;程相;王飞跃
作者机构：
中国科学院自动化研究所复杂系统管理与控制国家重点实验室,北京 100190;青岛智能产业技术研究院,山东青岛 266114;中国科学院大学人工智能学院,北京 100049
文献出处：
引用格式：
[1]卢经纬;程相;王飞跃-.求解微分方程的人工智能与深度学习方法:现状及展望)[J].智能科学与技术学报,2022(04):461-476
A类：
DeDAO
B类：
微分方程,深度学习方法,计算能力,深度学习技术,令人瞩目,观物,物理世界,提取特征,物理规律,泛化性,可解释性,基本问题,求解方法,科学智能,大模型
AB值：
0.263636
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。
