A14 · 第 4 章 · 课程规划页
Fourier 神经算子与网格泛化
本章研究Fourier 神经算子与网格泛化。内容依次处理Fourier 模态截断与频域卷积、提升层、积分核与网格无关表示、分辨率迁移、边界条件和高频误差。
- 所在 Part
- 第二编 算子学习
- 预计学习
- 40 分钟
- 建设状态
- 已规划，尚无正式正文
计划实验
本章未登记独立交互实验；定义、公式和例题仍按下列提纲规划。
LEARNING OBJECTIVES
完成本章后应能
- 01准确说明Fourier 模态截断与频域卷积。
- 02完成提升层、积分核与网格无关表示所需的推导、证明或算法。
- 03使用计算、例题或反例检验分辨率迁移、边界条件和高频误差。
PLANNED SECTIONS
计划章节结构
- 01
Fourier 模态截断与频域卷积
界定Fourier 模态截断与频域卷积，明确使用的条件、主要结论与可复核步骤。
- 02
提升层、积分核与网格无关表示
推导提升层、积分核与网格无关表示，明确使用的条件、主要结论与可复核步骤。
- 03
分辨率迁移、边界条件和高频误差
检验分辨率迁移、边界条件和高频误差，明确使用的条件、主要结论与可复核步骤。
计划定义
Fourier 模态截断与频域卷积：对象、记号与前提
围绕Fourier 模态截断与频域卷积列出主要对象、符号、前提与定义边界。
计划公式
提升层、积分核与网格无关表示：关系、判据与可复核步骤
把提升层、积分核与网格无关表示整理为可检查的关系、判据或算法步骤；涉及定量模型时写出公式，并说明符号、适用条件，以及需要时的单位或复杂度。
计划例题
分辨率迁移、边界条件和高频误差：案例、反例与核验
围绕分辨率迁移、边界条件和高频误差给出明确输入、前提或数据，逐步分析并用反例、误差、守恒量或边界条件复核。
计划练习
Fourier 神经算子与网格泛化：定义、关系与边界综合练习
联结Fourier 模态截断与频域卷积、提升层、积分核与网格无关表示与分辨率迁移、边界条件和高频误差，分别检验定义辨析、主要步骤和适用边界。
本章概念落点
以下位置是术语、搜索和知识图谱引用本计划章节时使用的稳定链接。
- 函数空间映射把输入函数映射为输出函数，区分有限维参数拟合与无限维算子学习。
- 神经算子学习函数空间之间的映射，使模型能够跨输入场和网格近似一族算子解。
关键词
Fourier 神经算子、网格泛化、第二编 算子学习、科学机器学习、PINN 与神经算子