摘 要: | 在基于反向传播(Back Propagation,BP)网络的非侵入式约化基方法(BP-RBM)的基础上,非侵入式约化基方法(Reduced basis method,RBM)引入了长短期记忆神经网络(Long ShortTerm Memory,LSTM),提出了基于LSTM网络的非侵入式约化基方法(LSTM-RBM).该网络在继承循环神经网络(Recurrent Neural Network,RNN)的可记忆性,参数共享性,图灵完备性等特性的基础上,同时解决了RNN在长时间序列训练过程中存在的梯度消失和梯度爆炸问题.LSTM-RBM解决了BP-RBM无法准确求解的具有复杂非线性特性的非线性波问题,例如二维Navier-Stokes方程和海洋内孤立波问题.此外,在求解一般的非线性波问题中,该方法相比BP-RBM在处理由非线性性质产生的大梯度结构上更有优势.数值测试结果表明,相比于BPRBM,该方法恢复的降阶解与高保真快照解的误差可以缩小10倍左右.
|