Big Model weekly | 第45期

文章预览

点击蓝字 关注我们 AI TIME欢迎每一位AI爱好者的加入！ 01 Transfer Learning on Multi-Dimensional Data: A Novel Approach to Neural Network-Based Surrogate Modeling 开发高效的偏微分方程（PDEs）替代模型是实现复杂多尺度系统可扩展建模的关键步骤。卷积神经网络（CNNs）因其在捕捉高维输入输出映射方面的成功以及前向传播的可忽略成本而受到欢迎，成为这类替代模型的基础。然而，生成训练数据的高成本——通常通过经典数值求解器——引发了一个问题，即这些模型是否值得追求，或者是否应该选择具有坚实理论基础的更直接的替代方案，如蒙特卡洛方法。为了降低数据生成的成本，本文提出了在数值解的混合上训练CNN替代模型，这些数值解既包括d维问题，也包括其(d-1)维近似，利用维度诅咒保证的效率节省。作者在多相流测试问题上展示了这种方法，使用迁移学习来 ………………………………