Os métodos de aprendizado de máquina podem ser de alguma forma úteis na resolução de equações diferenciais?

8

Notei que a tarefa de regressão no aprendizado de máquina está de alguma forma relacionada à solução de equações diferenciais aproximadamente - ambas estão tentando aproximar funções desconhecidas.

Então, minha pergunta é: ML pode de alguma forma ser útil na resolução de equações diferenciais?

Agradeço antecipadamente.

Miroslav Sabo
fonte
Isso parece muito vago para ser responsável. Você poderia fornecer referências e / ou uma pergunta específica?
whuber
Sim eu posso. I foi motivada também por este artigo: is.tuebingen.mpg.de/fileadmin/user_upload/files/publications/...
Miroslav Sabo
2
Não vejo a relevância: esse artigo constrói uma equação diferencial para ajudar a resolver um problema de BC. Não é o ponto principal que podemos então recorrer a outros métodos para resolver a equação diferencial? Uma solução aproximada para um DE não é "tentar aproximar [uma] função desconhecida"; ao contrário, está obtendo valores numéricos de uma função que é conhecida, mas fornecida de maneira indireta (o próprio DE).
whuber

Respostas:

8

Absolutamente!

Aqui estão as informações sobre o "método de disparo". ( link )

Para problemas muito mais difíceis do que o exemplo dado, a "descoberta de raiz" exige mais trabalho. É útil colocar algum aprendizado de máquina sobre a saída, a fim de determinar quais condições iniciais são apropriadas para a solução de interesse.

EDITAR:

Redes Neurais (NN) são usadas para (profundamente) melhorar o tempo de computação para combustão. As redes são treinadas no modelo termoquímico e aproximam as reações químicas, de modo que, em vez de resolver a complexidade (insana), acoplar equações dinâmicas de fluidos e químicas diferenciais, o solucionador numérico possui um conjunto reduzido de soluções, e o NN com sua capacidade muito curta. tempo de execução, preenche as lacunas "bem o suficiente". Aqui está um link . Aqui está outro .

EngrStudent
fonte
2

Acredito que sim , Archembau, Cornford, Opper, Shawe-Taylor, Girolami, Lawrence e Rattray são excelentes pesquisadores em aprendizado de máquina, portanto esses provavelmente seriam bons lugares para começar.

Dikran Marsupial
fonte