强化学习在线自适应FOM-ROM耦合方法提出
热点事件持续更新
强化学习在线自适应FOM-ROM耦合方法提出
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Trishit Mondal、Irina Tezaur 和 Anthony Gruber 提出一种基于强化学习的在线自适应 FOM-ROM 耦合方法：用深度 Q 网络（DQN）在计算过程中为各子域选择使用全阶模型（FOM）还是预训练的 Operator Inference（OpInf）降阶模型（ROM），子域间通过重叠 Schwarz 交替法（O-SAM）交换重叠界面上的解信息进行耦合。 该方法的奖励函数同时权衡精度、计算成本与模型切换频率。这是 arXiv cs.AI 上的预印本研究，报道未给出与单一 FOM 或固定 FOM-ROM 方案对比的精度或加速结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月31日 12:00
基于强化学习的重叠 Schwarz 交替法自适应 FOM-ROM 混合耦合报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AI基于强化学习的重叠 Schwarz 交替法自适应 FOM-ROM 混合耦合
研究提出用深度 Q 网络（DQN）在线自适应选择子域使用 FOM 还是预训练的 Operator Inference（OpInf）ROM，模型通过重叠 Schwarz 交替法（O-SAM）耦合，奖励函数平衡精度、成本与模型切换频率。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 810月31日 22:00
- 近 24 小时变化
- –
02468
22:0023:0011月1日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。