内嵌物理知识的神经网络的损失函数自适应平衡方法

摘要

本发明公开了一种内嵌物理知识的神经网络的损失函数自适应平衡方法，该方法用于计算流体力学，包括：步骤S1：构建神经网络；步骤S2：基于Navier‑Stokes方程建立流体力学模型，确定待求解的偏微分方程，初始化所述神经网络的参数，构造内嵌物理知识的损失函数；步骤S3：通过考虑每个损失函数的随机不确定性权衡多个损失函数，实现自动加权；步骤S4：获取最优矩阵参数和最优权重参数，得到所述流体力学模型的神经网络。由此，利用深度学习中的多任务学习似然方法，根据每个损失的随机不确定性平衡多个损失函数，实现训练过程中损失权重自适应，最后找到最优损失权重配置使得神经网络模型性能达到最优，以高效快速求解流体力学模型对应的偏微分方程。