典型文献
基于长短期记忆神经网络的非侵入式约化基方法在非线性波问题中的应用
文献摘要：
在基于反向传播(Back Propagation,BP)网络的非侵入式约化基方法(BP-RBM)的基础上,非侵入式约化基方法(Reduced basis method,RBM)引入了长短期记忆神经网络(Long Short-Term Memory,LSTM),提出了基于LSTM网络的非侵入式约化基方法(LSTM-RBM).该网络在继承循环神经网络(Recurrent Neural Network,RNN)的可记忆性,参数共享性,图灵完备性等特性的基础上,同时解决了RNN在长时间序列训练过程中存在的梯度消失和梯度爆炸问题.LSTM-RBM解决了BP-RBM无法准确求解的具有复杂非线性特性的非线性波问题,例如二维Navier-Stokes方程和海洋内孤立波问题.此外,在求解一般的非线性波问题中,该方法相比BP-RBM在处理由非线性性质产生的大梯度结构上更有优势.数值测试结果表明,相比于BP-RBM,该方法恢复的降阶解与高保真快照解的误差可以缩小10倍左右.
文献关键词：
非侵入式约化基方法;长短期记忆神经网络;非线性波方程;海洋内孤立波
中图分类号：
作者姓名：
郑淑雯;高振;袁春鑫
作者机构：
中国海洋大学数学科学学院,青岛266100
文献出处：
引用格式：
[1]郑淑雯;高振;袁春鑫-.基于长短期记忆神经网络的非侵入式约化基方法在非线性波问题中的应用)[J].数值计算与计算机应用,2022(04):400-414
A类：
非侵入式约化基方法,非线性波方程
B类：
长短期记忆神经网络,反向传播,Back,Propagation,RBM,Reduced,basis,method,Long,Short,Term,Memory,循环神经网络,Recurrent,Neural,Network,RNN,记忆性,参数共享,共享性,图灵,完备性,长时间序列,序列训练,训练过程,梯度消失,非线性特性,Navier,Stokes,海洋内孤立波,梯度结构,降阶,高保真,真快,快照,差可
AB值：
0.286878
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。
