pinns

TadaTeruki · Jan 13, 2025 · 8a76f63 · 8a76f63
1 parent e723c99
commit 8a76f63
Show file tree

Hide file tree

Showing 2 changed files with 4 additions and 8 deletions.
diff --git a/slides/2024/輪読資料/学習物理A4/slide.md b/slides/2024/輪読資料/学習物理A4/slide.md
@@ -116,12 +116,11 @@ $$ \varepsilon = \int \text{d}t\text{d}\mathbf{x} [\frac{\partial f}{\partial t}
 
 ### 参考: 実際に学習を行うときは
 
-原著論文では、誤差を求める地点$(t_f^i, \mathbf{x}_f^i)$を$N_q$個設け
+誤差を求める地点$(t_f^i, \mathbf{x}_f^i)$を$N_q$個設け
 *最小化の対象となっている関数 $q=\frac{\partial f}{\partial t} - F(t, \mathbf{x}, f)$として*
 $$ MSE_q = \frac{1}{N_q}\sum_{i=1}^{N_q} |q(t_f^i, \mathbf{x}_f^i)|^2 $$
 のように表していた
-実装では$(t_f^i, \mathbf{x}_f^i)$は時空間領域上にランダムに点を生成して作成
-*完全なランダムではなく、空間上でまんべんなく分散するような生成アルゴリズムを用いていた*
+実装では$(t_f^i, \mathbf{x}_f^i)$は時空間領域上に点を生成して作成
 
 
 ---
@@ -204,10 +203,8 @@ Partial Differential Equations." arXiv preprint arXiv:1711.10561
 
 # 参考
 
-**研究室の輪読会発表資料**
-
+研究室の輪読会発表資料
 https://slide.peruki.dev/slides/2025/%E7%A0%94%E7%A9%B6%E5%AE%A4%E6%B4%BB%E5%8B%95/PINNs-part1/slide
 
-**試験実装 (Burgers方程式, Continuous Time Model)**
-
+試験実装 (Burgers方程式, Continuous Time Model)
 https://colab.research.google.com/drive/1yxV3gqjij-LULqGvU5NaYd3X3F9XkbuP?usp=sharing
diff --git a/slides/2025/研究室活動/PINNs-part1/slide.md b/slides/2025/研究室活動/PINNs-part1/slide.md
@@ -78,7 +78,6 @@ TensorFlow v2: https://github.com/rezaakb/pinns-tf2
 
 - 古典的な数値計算手法
   - ルンゲ=クッタ法、有限要素法、スペクトル法など
-
 - データ駆動のアプローチ
   - ガウス過程回帰 (Gaussian Process Regression)