基于数据驱动的深度学习方法求解变系数广义Hirota方程的正逆问题
摘要：基于数据的变系数Hirota（VCH）方程的前向-反向问题在本文中进行了讨论。主要思想是使用改进的基于物理信息的神经网络（IPINN）算法，该算法具有神经元智能适应激活函数、斜率恢复项和参数正则化，以恢复具有初边界条件的VCH方程的数据驱动孤子和高阶孤子，以及在不同强度噪声下具有未知参数的VCH方程的数据驱动参数发现。数值结果表明两个事实：（一）通过调整IPINN算法的网络层、神经元、原始训练数据、时空区域和其他参数，成功学习了VCH方程的数据驱动孤子解；（二）通过将参数正则化策略与适当的权重系数引入IPINN算法中，可以稳定准确地训练预测参数。本研究取得的结果验证了IPINN算法在解决变系数方程的前向-反向问题中的有效性。
作者：Huijuan Zhou, Juncai Pu, Yong Chen
论文ID：2210.09656
分类：Pattern Formation and Solitons
分类简称：nlin.PS
提交时间：2022-12-23