Внимание! Студландия не продает дипломы, аттестаты и иные документы об образовании. Наши специалисты оказывают услуги консультирования в области образования: в сборе информации, ее обработке, структурировании и оформления в соответствии с ГОСТом. Все услуги на сайте предоставляются исключительно в рамках законодательства РФ.

Курсовая работа: Методы оптимизации для PINN

11.09.2024
Дата сдачи: 05.10.2024
Статус: Архив
Детали заказа: # 262890

Тема: Методы оптимизации для PINN

Задание:

Есть уже готовый текст курсовой работы. В ней рассматриваются методы оптимизации (а именно методы естественного градиента) для PINN. Необходимо написать программу, в которой будут реализованы эти методы. Текст курсовой и остальные подробности прикреплю.

Прикреплю статью, по которой писал работу, буду дальше ссылаться на нее. Сама нейросеть описана на странице 22 (пункт 4.2). Оптимизаторы для нее описываются в главе 2 "Mathematical formulations of NGD" - нужны методы 2.1-2.5, но по существу, эту главу можно не смотреть, вся суть построения оптимизаторов описана в главе 3.1-3.2 (а именно нужен алгоритм 3.1, который описывает сразу все методы - для них отличаются лишь матрицы L). Якобиан Z нужно вычислять автодифференцированем (вся программа делается на питоне с помощью библиотеки Pytorch). Вид матриц L для каждого метода описано в пункте 3.4. Текст работы не нужен, нужна лишь программа на Pytorch.

И нужно будет построить графики со сравнением работы методов как в статье

Прислать промежуточные варианты 23.09 и 30.09

В теме «Методы оптимизации для PINN» рассматривают реальные алгоритмы естественного градиента и их адаптацию к physics‑informed neural networks, причём главное — корректное вычисление якобиана и формирование матриц L, которые определяют поведение оптимизаторов.

Что включает работа

описание математической постановки оптимизаторов: натуральный градиент и связанные преобразования;
выводы по вычислению Якобиана сети и его автоматическое дифференцирование в PyTorch;
алгоритм оптимизации с формированием матрицы L для каждого метода;
реализация на Python: структуры кода, вычислительные шаги и интеграция с PINN;
эксперименты и графики сравнения с разными вариантами L.

На что смотрит преподаватель

Оценивают корректность формул и их перевод в код, адекватность численной реализации Якобиана и матриц L, воспроизводимость экспериментов и качество оформленного отчёта о проверках. Также важны тесты на простых задачах PDE и понятные графики сравнения с пояснениями.

Мы помогаем с разбором теории методов естественного градиента для PINN, структурой программы на PyTorch и подготовкой графиков для сравнительного анализа; включены доработки по замечаниям преподавателя в рамках бесплатной политики до 21 дня. Оставьте в заявке описание задания и материалы, чтобы получить расчёт и план работ.

Тип: Курсовая работа
Предмет: Программирование
Объем: 20-25 стр.