arXiv · ML· Rodion Akinzhala, Alexander Terentyev, Alexey Golubev, Yury Maximov·· 3 天前AI 评分20
TEMPO:基于局部自适应 POD 基底的机制感知算子学习框架
TEMPO: Regime-Aware Operator Learning with Locally Adapted POD Bases
AI 导读
研究提出 TEMPO 框架,利用轨迹期望最大化混合 POD 算子解决单一全局基底在混合解形态下的失效问题。 离线阶段通过 EM 算法恢复潜在机制,在线阶段采用门控网络路由输入,在 Burgers 方程中测试误差降至 18.61%。 该方法在 Coanda 及 Helmholtz 方程中亦展现出更低误差,提升参数化偏微分方程的快速预测能力。
来源:arXiv · ML · arxiv.org