Comments 5
Если ваш подход создать модели по отдельным направлениям (коридорам из терминологии поста ), а потом на их основе генерировать значении в возможном диапазоне значений, и всё это подать как данные в общую нейронку - то наверное это неправильный подход.
Модели будут не обязательно линейные, смесь линейных и нелинейных данных не обработается в нейронке кроме как запоминанием, обучение будет с большой ошибкой.
Такая модель даже будет работать и выдавать правдоподобные результаты, только величина ошибки будет большой. То есть произойдёт не обучение, а запоминание.
Из моего опыта получается так.
А не идиотизм ли это, извините? Как по классикам: "Внутре у ней нейронка", ага.
Какое вообще отношение нейросеть может иметь к численному решению дифуров?
Ну то есть нейросеть - да, сама работает через численное решение дифуров, но с помощью совершенно не-ИИ алгоритмов.
Я могу себе представить нейросеть, натренированную на аналитическое решение сложных задач - в том числе, дифференциальных уравнений. Но численно?
Это всё равно как сказать: "а давайте мы будем модель с миллионами ячеек не компьютером обсчитывать, а посадим человека поумнее - чтобы он вручную считал методом Рунге-Кутты.
Т.е. "натренированная" нейросеть должна заменить кого?
Ах, я кажется догадался нейросеть - должна заменить человека, который ставит задачу: т.е. выбирает модель, граничные условия и запускает рассчёт на кластере, который эту модель и обсчитывает.
Единственный вопрос, который встаёт: а нахрена это делать?
А смысл просчитывать в разных коридорах, если вы практически это проверять не будете?
Байки математика: «цифра» против «лампы» в химии