摘要：《高等数值分析》是一门与实际联系紧密的数学公共课程,它理论深刻,应用广泛.本文结合实际应用,为《高等数值分析》中常微分方程数值解部分设计了一个教学案例,通过理论分析和数值实验向学生展示了刚性问题的概念和相关数值方法,并对《高等数值分析》课程教学案例的设计进行了思考.

摘要：通过精心设计神经网络结构来学习无穷维函数空间之间的映射,算子学习方法——神经算子,相较于传统方法在求解偏微分方程等复杂问题上展现出极高的效率.为此,本文结合函数值再生核希尔伯特空间,提出一种新型的神经算子——再生核神经算子(RKNO).受到最近优秀的算子学习方法——深度算子网络(DeepONet)的启发,RKNO通过推广希尔伯特-施密特积分算子和表示定理而实现.在Advection,KdV,Burgers和Poisson方程上的数值实验表明,与DeepONet和其他模型相比,RKNO具有更易于表达和高效的结构.此外,RKNO还显示出与离散化无关的性质,可以在低分辨率数据训练后,找到高分辨率输入后的解.