一个用于不对齐的观测数据的混合解码器-DeepONet运算符回归框架
摘要：深度神经操作符(DNOs)已被用于近似函数空间之间的非线性映射。然而，DNOs面临不对齐观测数据所导致的维度增加和计算成本的挑战。在本研究中，我们提出了一种混合解码器-DeepONet操作符回归框架，以有效处理不对齐数据。此外，我们引入了一种多解码器-DeepONet，它利用平均训练数据场作为输入增强。基于通用逼近定理，提供了框架与操作符逼近理论的一致性。通过Darcy问题和空气动力翼型周围流场的两个数值实验，验证了所提方法的效率和准确性。结果表明，Decoder-DeepONet和Multi-Decoder-DeepONet在处理不对齐观测数据方面具有优势，并展示了它们在提高预测准确性方面的潜力。
作者：Bo Chen, Chenyu Wang, Weipeng Li, Haiyang Fu
论文ID：2308.09274
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-21