EN-Chou

@enchou

Joined on Aug 1, 2022

  • In this article, I want to show how loss weight affect loss landscape, and help us improve the training result of physics informed neural network(PINN) for heat conduction. The heat conduction problem is described as $$ \frac{\partial^2 T}{\partial x^2}+\frac{\partial^2 T}{\partial y^2} = 0 $$ B.C. $$ T = \begin{cases} 0 & x=0, 1; y=0 \ 1 & y=1 \end{cases}
     Like  Bookmark
  • 哈囉學弟, 我沒有交接過也沒被交接過沒有什麼經驗,有什麼問題再跟我說不用客氣~那目前應該是還沒整理完全部的內容,就一邊做一邊整理吧,那目前整理的內容大概是: Objective What 重新簡述一下這個研究,這個研究是想要用Machine Learning 來加速 Gauss Seidel 的迭代過程,針對的是使用Projection method(或稱作Fractional step method)解Lid Driven Cavity 的 Gauss Seidel 迭代過程。Projection method這個演算法有四個演算的步驟: step-1 u*, v* step-2 u**, v** step-3 p
     Like  Bookmark
  • 學姐好, 我的研究後來也是學姐延續學姐的題目,謝謝學姐的發想,讓我有這個研究的題目。我目前遇上的瓶頸是沒辦法把iteration number降低,也難以將loss壓的更低。想請教學姐我該怎麼做來減少iteration number?嘗試減少loss這個方向正確嗎?或是我根本上有出了什麼錯?想請學姐給我一些建議。 資料來源是用fractional step method 寫的 lid driven cavity 程式每一個時間步的 $\nabla \cdot \mathbf{u^{**}}$ 以及 $p$ , $\Delta t=0.001$, timespan=0~1s,size=1000。(學姐的data set是不是比這個大上許多?想請問學姐是怎麼在自己的機器上面塞下這麼大的資料量?) 目前我依照不同的資料前處理訓練的model有兩種,分別是: $$ \hat{p}=model(\nabla \cdot \mathbf{u^{}}) $$ 以及
     Like  Bookmark
  • Modmesh Sciwork October 2022 2022-10-14 EN Chou Code in modmesh C++ Python Pybind11(C++<->Python)
     Like  Bookmark