PINN 與 NVIDIA Modulus 實作訓練營

nvidia/20220629 at main · nqobu/nvidia

• 0113

理論導引類神經網路技術與應用

「PINN 與 NVIDIA Modulus 實作訓練營」_ 2022/06/30

• 0210

Physics-Informed Neural Networks (PINNs) - An Introduction - Ben Moseley | Jousef Murad

「PINN 與 NVIDIA Modulus 實作訓練營」_ 2022/07/28

• 有幾張解釋圖還不錯

  s42254-021-00314-5_1621929075_1.pdf

PINNsforOptionPricing.pdf

Next epsilon

• 運用簡諧運動模擬傳統 NN 計算的結果
• 了解數據生成情形，包含訓練集個數、隱藏層與神經元個數，可用表格呈現出，可適當調整訓練集，了解偏態方向，初始位置
• 根據模擬結果針對訓練時間，神經元與訓練集設定比較差異

0225

• TASK2，加入boundary loss，確認初始值偏誤是否影響訓練，可能會影響初始值，與原結果進行比較，是否有出去就歪掉情形

• nonlinear least squares r package，運用exact_solution解超參數

  → nls 雖然計算速度與給定資料量大，但遇到較為複雜pde導致無法解出真實解，出現弱勢

• 確認簡斜運動中給定與預估計參數，如mu