Recent Posts
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | |
| 7 | 8 | 9 | 10 | 11 | 12 | 13 |
| 14 | 15 | 16 | 17 | 18 | 19 | 20 |
| 21 | 22 | 23 | 24 | 25 | 26 | 27 |
| 28 | 29 | 30 | 31 |
Tags
- archimedeanprinciple
- Multiscale Problems
- SG-PINN
- LossFunctions
- PINNs
- DiffusionEquation
- supremum
- completenessaxiom
- 이메일마케팅
- Efficient Training
- Binary Tree
- densityofrationals
- BoundaryConditionLearning
- Computational Efficiency
- BoundaryCondition
- infimum
- Dynamic Weighting
- GradientConstraint
- Loss Landscape Flattening
- Stiff PDEs
- PINN
- Adapitveweighting
- Higher-order Derivatives
- Variable Scaling
- Gradient Imbalance
- GaussianProcess
- 소셜미디어마케팅
- Adaptive Optimization
- VS-PINN
- NTK
Archives
- Today
- Total
목록LossFunctions (1)
Mathematics & Computation
1) a1 = 2, a2 = 2일때 model = PINN([2, 50,50,50, 1]).to(device) step = 100 a1 = 2a2 = 2 lambda_1 = 1e+1 lambda_2 = 1 lr=1e-3 epoch = 20000 max error : 2.0044e+00 2) a1=4 a2=4 BC loss람다 BC를 너무 크게 설정하면 -> BC 쪽 gradient 방향이 너무 커져서 모델이 해당 방향으로만 갱신됨이때 문제는, NTK 구조상 loss가 서로 얽혀 있어서 한 영역을 강하게 업데이트 하면 다른 영역이 오히려 손해를 보게 되는 것결과적으로람다 BC가 너무 크면 BC 쪽에서의 오차감소는 빠르지만전체 파라미터가 BC에 과도하게 쏠림PDE 영역에서의 generali..
PINNs
2025. 8. 5. 10:54