| 講演名 | 2023-03-02 Physics-informed neural networksにおける解の非一意性 津田 修一朗(京大), 田中 利幸(京大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | PINNは，微分方程式に由来する制約項を学習の損失関数に含めることで，微分方程式の解を表現するニューラルネットワークを学習によって獲得する方法であり，微分方程式で記述される様々な物理現象の解析に応用されている．本研究では，微分方程式の初期値・境界値問題を解く場合に，PINNによって得られる解の性質について考察し，PINNの解が一意に定まらないことを示す． |
| 抄録(英) | PINN is a method of acquiring a neural network that represents the solution of a differential equation by including a constraint term derived from the differential equation in the learning loss function and is applied to the analysis of various physical phenomena described by differential equations. In this study, we discuss the properties of solutions obtained by PINN when solving initial value and boundary value problems of differential equations. We show that the solutions obtained by PINN are not uniquely determined. |
| キーワード(和) | 微分方程式 |
| キーワード(英) | Physics-informed neural networks |
| 資料番号 | PRMU2022-81,IBISML2022-88 |
| 発行日 | 2023-02-23 (PRMU, IBISML) |
| 研究会情報 | |
| 研究会 | PRMU / IBISML / IPSJ-CVIM |
|---|---|
| 開催期間 | 2023/3/2(から2日開催) |
| 開催地（和） | はこだて未来大学 |
| 開催地（英） | Future University Hakodate |
| テーマ（和） | 異分野連携(PRMU)、AutoML (CVIM)、機械学習の理論と応用の広がり(IBISML) |
| テーマ（英） | |
| 委員長氏名（和） | 内田 誠一(九大) / 杉山 将(東大) |
| 委員長氏名（英） | Seiichi Uchida(Kyushu Univ.) / Masashi Sugiyama(Univ. of Tokyo) |
| 副委員長氏名（和） | 舩冨 卓哉(奈良先端大) / 安倍 満(デンソーアイティーラボラトリ) / 神嶌 敏弘(産総研) / 津田 宏治(東大) |
| 副委員長氏名（英） | Takuya Funatomi(NAIST) / Mitsuru Anpai(Denso IT Lab.) / Toshihiro Kamishima(AIST) / Koji Tsuda(Univ. of Tokyo) |
| 幹事氏名（和） | 山口 光太(サイバーエージェント) / 松井 勇佑(東大) / 岩田 具治(NTT) / 中村 篤祥(北大) |
| 幹事氏名（英） | Kouta Yamaguchi(CyberAgent) / Yusuke Matsui(Univ. of Tokyo) / Tomoharu Iwata(NTT) / Atsuyoshi Nakamura(Hokkaido Univ.) |
| 幹事補佐氏名（和） | 井上 中順(東工大) / 川西 康友(理研) / 河原 吉伸(阪大) / 鈴木 大慈(東工大) |
| 幹事補佐氏名（英） | Nakamasa Inoue(Tokyo Inst. of Tech.) / Yasutomo Kawanishi(Riken) / Yoshinobu Kawahara(Osaka Univ.) / Taiji Suzuki(Tokyo Inst. of Tech.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Pattern Recognition and Media Understanding / Technical Committee on Information-Based Induction Sciences and Machine Learning / Special Interest Group on Computer Vision and Image Media |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | Physics-informed neural networksにおける解の非一意性 |
| サブタイトル（和） | |
| タイトル（英） | Non-uniqueness of solutions in Physics-informed neural networks |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 微分方程式 / Physics-informed neural networks |
| 第 1 著者 氏名（和/英） | 津田 修一朗 / Shuichiro Tsuda |
| 第 1 著者 所属（和/英） | 京都大学(略称：京大) Kyoto University(略称：Kyoto Univ.) |
| 第 2 著者 氏名（和/英） | 田中 利幸 / Toshiyuki Tanaka |
| 第 2 著者 所属（和/英） | 京都大学(略称：京大) Kyoto University(略称：Kyoto Univ.) |
| 発表年月日 | 2023-03-02 |
| 資料番号 | PRMU2022-81,IBISML2022-88 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | PRMU-404,IBISML-405 |
| ページ範囲 | pp.125-128(PRMU), pp.125-128(IBISML), |
| ページ数 | 4 |
| 発行日 | 2023-02-23 (PRMU, IBISML) |