在有限的計(jì)算網(wǎng)格上穩(wěn)定、精確的逼近不連續(xù)的比如震蕩的解是一項(xiàng)極具挑戰(zhàn)性的任務(wù).檢測(cè)震蕩的或者強(qiáng)不連續(xù)的解時(shí),通常是使用一個(gè)先驗(yàn)的問(wèn)題單元格判斷器,其中問(wèn)題單元是指解的性質(zhì)不好的單元.這類方案的解的質(zhì)量和計(jì)算成本很大程度上取決于他們能夠正確識(shí)別該單元正則性的能力.為了避免Gibbs震蕩,得到穩(wěn)定而精確的解,一般需要基于經(jīng)驗(yàn)對(duì)手頭已有的離散化和解進(jìn)行參數(shù)和指標(biāo)設(shè)置的調(diào)整.在本文中,我們致力于開(kāi)發(fā)一個(gè)健壯、準(zhǔn)確、所需用戶輸入最少、適用于一般加權(quán)本質(zhì)非震蕩格式（WENO）的通用單元正則性判斷器.我們構(gòu)造了一個(gè)深度前饋人工神經(jīng)網(wǎng)絡(luò)用來(lái)檢測(cè)不連續(xù)點(diǎn),它使用有監(jiān)督的反向傳播學(xué)習(xí)策略離線訓(xùn)練.該判斷器通過(guò)有監(jiān)督學(xué)習(xí)策略從分析數(shù)據(jù)中學(xué)習(xí),它的輸入由給定網(wǎng)格的數(shù)值解組成,輸出是該網(wǎng)格中震蕩是否存在.我們使用了深度前饋人工神經(jīng)網(wǎng)絡(luò)來(lái)訓(xùn)練判斷器,該判斷器不僅能識(shí)別正則性不好的單元,而且不依賴于與問(wèn)題相關(guān)的參數(shù).然后我們將訓(xùn)練后得到的網(wǎng)絡(luò)用作黑盒子判斷器,并且在已經(jīng)建立好的加權(quán)本質(zhì)非震蕩框架下驗(yàn)證了它們的穩(wěn)健性. 

【文章來(lái)源】：蘭州大學(xué)甘肅省211工程院校985工程院校教育部直屬院校

【文章頁(yè)數(shù)】：39 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

任何權(quán)重（偏置）的微小改變都會(huì)引起一個(gè)輸出的微小改變


本文編號(hào)：3619282