Модели физически информированных / осведомленных классических Лагранжевых / Гамильтоновых нейронных сетей в глубоком обучении

Аннотация

Рассмотрены принципы построения систем глубокого машинного обучения на основе учета информации о физических свойствах исследуемого объекта управления типа автономного робота. Платформой для разработки интеллектуального инструментария являются модели глубокого машинного обучения с применением физически информированных нейронных сетей. В качестве такого класса систем обучения рассмотрены Лагранжевы и Ньютоновы нейронные сети. На конкретных примерах показаны преимущества и особенности применения обсуждаемых типов физически информированных нейронных сетей.

Сведения об авторах

Daria Petovna Zrelova, Объединенный институт ядерных исследований; Государственный университет "Дубна"

стажер-исследователь Лаборатории информационных технологий имени М.Г. Мещерякова; аспирант Института системного анализа и управления

Sergey Victorovich Ulyanov, Объединенный институт ядерных исследований

главный научный сотрудник Лаборатории информационных технологий имени М.Г. Мещерякова, доктор физико-математических наук, профессор

Опубликована
2022-07-20
Как цитировать
ZRELOVA, Daria Petovna; ULYANOV, Sergey Victorovich. Модели физически информированных / осведомленных классических Лагранжевых / Гамильтоновых нейронных сетей в глубоком обучении. Современные информационные технологии и ИТ-образование, [S.l.], v. 18, n. 2, july 2022. ISSN 2411-1473. Доступно на: <http://sitito.cs.msu.ru/index.php/SITITO/article/view/851>. Дата доступа: 29 sep. 2022
Раздел
Исследования и разработки в области новых ИТ и их приложений