Новые нейросетевые подходы к решению краевых задач в составных областях
Вид материала | Документы |
СодержаниеСписок литературы |
- Удк517 Бессеточный подход к решению краевых задач математической физики на основе метода, 27.34kb.
- Патологические процессы репродуктивных органов женщины: подходы к лечению, 160.92kb.
- Применение нейронных сетей для решения задач в машиностроении а. А. Мишенин, асп, 237.95kb.
- Нелинейные задачи математической физики, 84.09kb.
- К. Д. Ушинского Обучение младших школьников решению сюжетных математических задач одна, 79.12kb.
- Процедура восполнения напряжений при решении нелинейных краевых задач механики деформируемого, 69.02kb.
- «О приоритетах деятельности системы образования Красноярского края на 2011-2012 годы, 75.41kb.
- Алгоритмы обучения и архитектура нейронных сетей. Нейросетевые системы обработки информации, 21.42kb.
- Прикладная эндодонтия. Практические подходы к решению ежедневных задач 3-5 февраля, 84.68kb.
- Рабочей программы учебной дисциплины методика обучения решению задач уровень основной, 104.55kb.
УДК 004.032.26(06) Нейроинформатика
А.А. ФЁДОРОВ, А.С. ШОЛУПОВ
Научный руководитель – А.Н. ВАСИЛЬЕВ, доцент
Санкт-Петербургский государственный политехнический университет
новые нейросетевые подходы к решению
краевых задач в составных областях
Задачи с фазовым переходом и переменной неизвестной границей – «задача Стефана», относятся к одним из наиболее сложных задач в математической физике. Методология нейронных сетей позволяет предложить ряд новых принципиально различных подходов к их приближённому решению. В данной работе рассматриваются некоторые конкретные приложения идей и методов, заявленных в программной работе [1] и статье [2].
Математическую модель системы с распределенными параметрами в нестационарных ситуациях строят, как правило, в форме краевой задачи для уравнения в частных производных с сопутствующими начальными или иными условиями. Рассмотрение многокомпонентных систем существенно усложняет процесс построения модели и её исследование ввиду появления границы раздела компонент (сред) системы, которая также должна быть найдена в процессе решения задачи. Особенно сложной становится задача в случае, когда присутствует фазовый переход, т.е. одна компонента переходит в другую.
Рассмотрим начально-краевую задачу математической физики вида
гдеи - некоторые операторы в частных производных. При этом (или её часть) не фиксирована заранее, а находится в процессе решения задачи. Для её численного решения, в отличие от традиционных подходов (метод сеток, конечных элементов, граничных интегральных уравнений, асимптотических разложений и др.) нами предлагается подход, опирающийся на методологию нейронных сетей [3], которая в настоящее время все более расширяет сферу своих приложений.
Предлагаются следующие естественные с точки зрения методологии нейронных сетей подходы к задаче Стефана:
- Аппроксимация температурных полей для обеих фаз с помощью соответствующим образом обученной RBF сети или персептрона.
- Построение гетерогенной сети, которая включает в себя наряду с RBF сетью, описывающей температурные режимы, еще и персептрон с одним скрытым слоем, задающий фронт фазового перехода.
- Поиск температурного поля с помощью пространственной RBF сети (т.е. сети, входом которой является переменная ), зависящие от времени, параметры которой находятся из системы обыкновенных дифференциальных уравнений.
- Использование рекуррентных нейронных сетей для задания нестационарных температурных режимов фаз.
- Переход от задачи Стефана к вариационному неравенству и решение его с помощью нейронных сетей.
Для исследования предложенной выше методологии были рассмотрены четыре первых подхода. С их помощью успешно были решены модельные задачи (то есть задачи, связанные с фазовыми переходами, для которых решения известны и могут использоваться для контроля предлагаемых подходов). Попутно были реализованы и классические алгоритмы численного решения вышеуказанной задачи, которые уступали по скорости и точности нейросетевым решениям. Все программы, реализующие саму сеть и описанные алгоритмы были написаны с среде Visual C++, имеют графическую оболочку, кроме того для контроля деятельности аналогичные вычисления проводились в математических пакетах Matlab 6.5 и Mathematica5
Список литературы
- Васильев А.Н., Тархов Д.А., «Применение нейронных сетей к неклассическим задачам математической физики», сборник докладов Международной конференции по мягким вычислениям и измерениям – SCM'2003, том 1, с.337-340.
- Васильев А.Н., Тархов Д.А., «Нейронные сети как новый универсальный подход к численному решению задач математической физики», «Нейрокомпьютеры»: разработка, применение, Москва, Радиотехника (в печати)
- Simon S.Haykin, “Neural Networks: A Comprehensive Foundation”, Macmillan, New York, 1994. 696 p.
- Нейрокомпьютеры и их применение: Книга 6 – «Нейроматематика» (под редакцией А.И.Галушкина), Москва, ИПРЖР, 2002, 448с.
- Васильев А.Н., Тархов Д.А. Новые подходы на основе RBF-сетей к решению краевых задач для уравнения Лапласа на плоскости // Нейрокомпьютеры: разработка, применение. – 2004. – № 7-8. – С. 119 – 126.
- Р. Каллан, «Основные концепции нейронных сетей», «Вильямс», 2001.
- Бахвалов Н.С., Жидков Н.П., Кобельков Г.М., «ЧИСЛЕННЫЕ МЕТОДЫ», 1873