Jaringan Neural Terbaru Memecahkan Persamaan Paling Sulit Di Dunia Lebih Cepat

Baru-baru ini, jaringan saraf dalam telah mengubah sifat ras tersebut, menawarkan cara untuk menyelesaikan PDE tanpa menggunakan metode analitik atau numerik. Elemen dasar jaring dalam adalah neuron buatan, yang menerima serangkaian masukan, mengalikan masing-masing dengan bobot, dan kemudian menjumlahkan hasilnya. Neuron kemudian menentukan keluaran berdasarkan total, katakanlah, nol jika jumlahnya di bawah beberapa ambang batas, dan jumlah itu sendiri sebaliknya. Jaringan neural modern memiliki satu lapisan masukan, satu lapisan keluaran, dan setidaknya satu lapisan "tersembunyi" yang diapit di antaranya. Jaringan dengan hanya satu lapisan tersembunyi dalam bahasa sehari-hari disebut jaringan "dangkal" jika tidak, mereka disebut jaringan neural dalam.

Secara matematis, masukan ke jaringan saraf semacam itu adalah vektor, sekumpulan angka, dan keluarannya adalah vektor lain. Jika ada fungsi yang memetakan sekumpulan vektor masukan ke sekumpulan vektor keluaran, jaringan dapat dilatih untuk mempelajari pemetaan itu.

"Jaringan saraf bersifat universal di ruang itu. Fungsi apa pun antara dua ruang berdimensi hingga dapat didekati oleh jaringan neural," kata Mishra.

Pada 2016, para peneliti mempelajari seberapa dalam jaringan saraf yang biasanya digunakan untuk pengenalan gambar dapat digunakan untuk menyelesaikan PDE.

Pertama, para peneliti menghasilkan data untuk melatih jaring dalam, seorang pemecah numerik menghitung medan kecepatan untuk fluida yang mengalir di atas benda sederhana dengan bentuk dasar yang berbeda (segitiga, segiempat, dan seterusnya) dengan ukuran dan orientasi berbeda, tersebar di xy pesawat.
Halaman Selanjutnya....