基于人工神经网络的椭圆型微分方程数值求解

神经网络因其能够无限逼近任意非线性函数的特性,为求解微分方程提供了一种新的思路.通过神经网络训练,得到偏微分方程的近似解是连续函数,且具有足够的精度,因此可以得到解的任意阶导数.该方法的优势在于当问题维数增大时,计算量和存储量增加相对较小,可以克服维数灾难求解高维问题.同时,具有良好的泛化性和求解复杂区域问题的能力.针对带边界层的对流扩散问题,由于其解的梯度在边界层附近变化剧烈,常规的数值方法和传统的神经网络模型均难求得其精确解.为此,设计了 一种新的神经网络构造方法,能够保证优化算法的收敛性,且近似解具有足够的精度.