Все новости
Цифровой Двойник

Байесовские нейрооператоры для УЧП дополнены оценкой Residual-ошибки

Представлен нейрооператор RI-BNO, который учит неадекватность оператора по апостериорным оценкам ошибки исходного уравнения в частных производных и вносит поправку и неопределённость в байесовское обучение и предсказание. Для резидуальных оценок установлены локальные границы ошибки при условиях устойчивости и гладкости. Мотивация — многократные решения УЧП для цифровых двойников, оценки параметров и оптимального проектирования, где прямая симуляция слишком дорога.

Почему это важно

Калиброванная неопределённость суррогатных решателей критична там, где на их выходе строятся решения по управлению активами.

Созвучно продуктам ЦД

ЦДПЦД.Прогноз
Заголовок оригинала
Learning inadequacy of Bayesian neural operators for PDE-constrained inference and design
Читать первоисточник: arXiv API — полнотекстовый поиск "digital twin"

Перевод и краткое изложение — машинные, по материалам источника. Полный текст статьи не републикуется; права на него принадлежат источнику.