We present a novel Deep Learning-based algorithm to accelerate - through the use of Artificial Neural Networks (ANNs) - the convergence of Algebraic Multigrid (AMG) methods for the iterative solution of the linear systems of equations stemming from Finite Element discretizations of Partial Differential Equations. We show that ANNs can be be successfully used to predict the strong connection parameter that enters in the construction of the sequence of increasingly smaller matrix problems standing at the basis of the AMG algorithm, so as to maximize the corresponding convergence factor of the AMG scheme. To demonstrate the practical capabilities of the proposed algorithm, which we call AMG-ANN, we consider the iterative solution via the AMG method of the algebraic system of equations stemming from Finite Element discretizations of a two-dimensional elliptic equation with a highly heterogeneous diffusion coefficient. We train (off-line) our ANN with a rich data-set and present an in-depth analysis of the effects of tuning the strong threshold parameter on the convergence factor of the resulting AMG iterative scheme.


翻译:我们提出了一个新型的深学习算法,通过使用人工神经网络(ANNs)来加速代数多格格丽德(AMG)方法的融合,以迭代解决部分差异方程式的精度分解产生的等式的线性系统;我们表明,可以成功地利用非格朗法来预测在构筑以AMG算法为基础的越来越小的矩阵问题序列过程中出现的强有力的连接参数,以便最大限度地实现AMG办法的相应趋同系数;为了证明我们称之为AMG-ANN的拟议的算法的实际能力,我们考虑通过AMG法的迭代解决办法,即由二维离子分解的单方程式的精度分解法,并具有高度混合的传播系数;我们用丰富的数据集来培训我们的ANN(脱线)我们的ANN,并对调整强阈值参数对由此形成的AMG迭接法的聚合系数的影响进行深入分析。

0
下载
关闭预览

相关内容

人工神经网络(Artificial Neural Network,即ANN),它从信息处理角度对人脑神经元网络进行抽象,建立某种简单模型,按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型,由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数,称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。网络的输出则依网络的连接方式,权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近,也可能是对一种逻辑策略的表达。
【IJCAJ 2020】多通道神经网络 Multi-Channel Graph Neural Networks
专知会员服务
25+阅读 · 2020年7月19日
已删除
架构文摘
3+阅读 · 2019年4月17日
Arxiv
28+阅读 · 2021年9月18日
Arxiv
6+阅读 · 2021年4月13日
Arxiv
5+阅读 · 2021年2月8日
Arxiv
23+阅读 · 2018年10月1日
Arxiv
6+阅读 · 2018年4月24日
VIP会员
相关VIP内容
【IJCAJ 2020】多通道神经网络 Multi-Channel Graph Neural Networks
专知会员服务
25+阅读 · 2020年7月19日
相关资讯
已删除
架构文摘
3+阅读 · 2019年4月17日
相关论文
Arxiv
28+阅读 · 2021年9月18日
Arxiv
6+阅读 · 2021年4月13日
Arxiv
5+阅读 · 2021年2月8日
Arxiv
23+阅读 · 2018年10月1日
Arxiv
6+阅读 · 2018年4月24日
Top
微信扫码咨询专知VIP会员