arXiv stat.ML· Phuoc-Toan Huynh, Richard Archibald, Feng Bao·· 15 天前AI 评分29
用于随机偏微分方程不确定性量化的扩散随机算子网络
Diffusion-Based Stochastic Operator Networks for Uncertainty Quantification in Stochastic Partial Differential Equations
AI 导读
研究人员提出一种用于随机偏微分方程（SPDEs）解算子不确定性量化的随机算子网络（SON），能直接从含噪数据中学习并输出均值解场与不确定性量化。该方法将 DeepONet 架构与随机神经网络（SNNs）相结合，通过最小化哈密顿型损失并借助随机最大值原理优化。基准 SPDEs 数值实验表明，该方法在捕捉解结构和量化预测不确定性上具备高精度与鲁棒性。
来源：arXiv stat.ML · arxiv.org