控制与决策

作者：曹瑞,裔扬,刘燕斌

单位：扬州大学 信息工程学院,江苏 扬州 225127,,扬州大学 信息工程学院,江苏 扬州 225127,,南京航空航天大学 航天学院,南京 211106,

关键词：物理信息;神经网络;随机系统;小样本数据;概率神经网络;演化分析

基金：江苏省自然科学基金青年项目(BK20230560)；国家自然科学基金项目(62303400,52272369).

提出一个概率深度学习框架,通过基于物理信息的神经网络对非线性微分系统中的不确定性进行量化和演化分析.算法使用潜在变量模型(即噪声/随机变量模型)构建系统状态的概率表示,并将偏微分方程描述的物理定律引入训练过程中,建立约束关系,为基于小样本数据集的训练提供一种有效的机制.所提出的概率物理学信息神经网络算法能够提供一种灵活的框架,表征由输入中的随机性或观测中的噪声引起的物理系统输出的不确定性,避免重复采样昂贵的实验或数值模拟器的需要.最后,通过包含随机变量的非线性系统示例对所提出算法进行验证,以表明算法的有效性.

来源：2024年第9期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第9期