RL自适应切换FOM与OpInf ROM耦合方法论文
热点事件持续更新
RL自适应切换FOM与OpInf ROM耦合方法论文
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Trishit Mondal等在arXiv发布论文，提出用Deep Q-network在重叠Schwarz交替法（O-SAM）耦合的全阶模型（FOM）与预训练Operator Inference降阶模型（ROM）之间在线自适应切换的方法。 DQN离线训练，奖励函数同时考虑精度、计算成本和模型切换频率。策略训练后可预测性部署到训练中未见的问题实例，无需参考FOM解。
AI 根据报道生成 · 52 分钟前更新
最新进展10月31日 12:00
基于强化学习与 Operator Inference 的重叠 Schwarz 交替法自适应 FOM-ROM 耦合方法报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AI基于强化学习与 Operator Inference 的重叠 Schwarz 交替法自适应 FOM-ROM 耦合方法
研究者提出一种基于强化学习的方法，通过 Deep Q-network 在重叠 Schwarz 交替法（O-SAM）耦合的全阶模型（FOM）与 Operator Inference（OpInf）降阶模型（ROM）之间在线自适应切换，奖励函数兼顾精度、成本与模型切换频率。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。