跳到主要內容

臺灣博碩士論文加值系統

(44.212.99.208) 您好!臺灣時間:2024/04/23 21:24
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:劉懷丞
研究生(外文):Huai-Cheng Liu
論文名稱:數值方法與類神經網路應用於內嵌介面問題
論文名稱(外文):Numerical Methods and Neural Network for Immersed Interface Problem
指導教授:胡偉帆
指導教授(外文):Wei-Fan Hu
學位類別:碩士
校院名稱:國立中央大學
系所名稱:數學系
學門:數學及統計學門
學類:數學學類
論文種類:學術論文
論文出版年:2022
畢業學年度:110
語文別:英文
論文頁數:30
中文關鍵詞:數值分法類神經網路內嵌介面問題
外文關鍵詞:Numerical MethodsNeural NetworkImmersed Interface Problem
相關次數:
  • 被引用被引用:0
  • 點閱點閱:78
  • 評分評分:
  • 下載下載:11
  • 收藏至我的研究室書目清單書目收藏:0
本篇論文會介紹數值分法和類神經網路兩種方式來對偏
微分方程做數值分析。首先會以中央差分法先來做介紹,而
這是一個能數值解微分方程的傳統方法。除此之外,也會討
論針對不同類型的邊界條件所帶來的影響,分別為狄力克雷
邊界條件和諾伊曼邊界條件。接下來會介紹沈浸介面法,是
一個能處理任意維度介面問題的方法,但對於高維度問題時
沈浸介面法會遇到困難。因此,我們會利用類神經網路的方
法來嘗試能否解決此問題,且得到更好的準確度。針對介面
問題,將會使用不連續捕獲淺層神經網路法來解決。最後,
會針對連續與不連續偏的問題做降階法來看是否能得到更好
的準確度。
This thesis starts by introducing the Finite Difference Method (FDM)[1]
which is one of the classic numerical methods that can solve the partial
differential equations (PDEs). Moreover, we discuss the effect different
types of boundary conditions on the problems, including Dirichlet and
Neumann boundary conditions. After that, we will tell the method that
can solve the d -dimensional interface problem which is, Immersed Interface
Method (IIM)[2, 3]. Although the IIM could easily solve the interface
problem, it might be difficult to deal with the high-dimensional problem.
Therefore, we tried to use the Neural Network (NN) [4] to see whether it
is a good way to fix it and try to get better accuracy. For the interface
problem, we used the Discontinuity Capturing Shallow Neural Network
(DSCNN) [5]. At last, we use a method of reduction for the continuous
and discontinuous problems to find out it is a way to obtain results better
than before.
中文摘要 i
英文摘要 ii
誌謝 iii
目錄 iv
一. Introduction 1
二. Finite Difference Method 2
2.1 One-dimensional Boundary Value Problem 2
2.2 Immersed Interface Method for One-dimensional
Interface Problem 4
三. Neural Network 6
3.1 Neural Network structure 6
3.2 Discontinuity Capturing Shallow Neural Network
structure 7
3.3 Function approximation 9
3.4 Solving Poisson equation 9
3.5 Solving Elliptic Interface Problems 12
3.6 Higher order problems 17
四. Conclusion 20
五. References 20
[1] R. J. LeVeque, Finite Difference Methods for Differential Equations, SIAM, (2005).
[2] Z. Li, K. Ito, The Immersed Interface Method: Numerical Solutions of PDEs InvolvingInterfaces and Irregular Domains, SIAM, (2006).
[3] H.-C. Tseng, Numerical Methods and Applications for Immersed Interface Problems, Na-tional Chiao Tung University, (2006).
[4] C. F. Higham, D. J. Higham, Deep Learning: An Introduction for Applied Mathematics,SIAM, (2019).
[5] W.-F. Hu,T.-S. Lin ,M.-C. Lai, A Discontinuity Capturing shallow Neural Network for Elliptic Interface Problems, arXiv : 2106.05587, (2021).
[6] D. Marquardt, An algorithm for least-squares estimation of nonlinear parameters, SIAM J. Appl. Math. 11(2) (431-441).
21
連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top