model order reduction | BriefGPT

关键词model order reduction

搜索结果 - 7

GFN: 用于多保真应用中无分辨率限制的精简算子学习的图传递网络
这项工作提出了一种新的解析度无关的模型降阶策略，适用于多保真度应用。我们基于一种新型的神经网络层，即图向前传播网络，构建了我们的架构，将前馈网络的概念扩展到图结构化数据上，通过在神经网络的权重和网格的节点之间创建直接链接，提高了网络的可解释
PDF2 months ago
基于 Hammerstein 结构的电路非侵入式数据驱动模型降阶
通过数据驱动的系统识别技术，我们展示了一种有效的、非侵入性的模型阶数缩减方法，可用于微电子中的常用电路。通过使用规范的 Hammerstein 结构，我们开发了一个简约的非线性 CMOS 差分放大器模型，并通过一种新颖的顺序策略，在直流（D
PDF2 months ago
基于物理信息的机器学习对非线性钢刚性框架结构地震响应预测
该研究论文介绍了一种将科学原理和物理定律融入深度神经网络的新型物理信息机器学习（PiML）方法，用于建模非线性结构的地震响应，并通过模型降阶、长短期记忆网络（LSTM）和牛顿第二定律等特性，使模型具有相对稀疏数据的训练能力，同时提高了模型的
PDF5 months ago
一种预测冲击射流对凹面热传导的代理模型
本研究综合研究了模型简化和深度学习技术在预测脉冲射流对凹曲面传热中的效用，并引入了预测代理模型（Predictive Surrogate Models）以评估具有不同射流特性的传热问题。模型简化和深度学习技术在模拟复杂传热现象方面表现出了多
PDF5 months ago
基于神经自编码器的高维物理系统结构保持模型降阶与控制设计
控制导向的、结构保持的学习关于高维物理系统的低维近似，重点研究机械系统。我们研究了在模型阶数降低中整合神经自编码器，同时保留哈密顿或拉格朗日结构。我们着重评估所考虑方法的性能，通过在包含数百个状态的大型质量 - 弹簧 - 阻尼网络上进行模拟
PDF8 months ago
基于主动学习的代理建模技术用于高效模拟参数非线性系统
本研究提出了一种非侵入式优化准则，以有效地构建参数化代理模型，利用基于核的浅层神经网络的主成分分析子空间和主动学习方法构建了 ActLearn-POD-KSNN 代理模型，该模型可以有效地预测新参数位置处的求解，即使在有多个相互作用的激波轮
PDFa year ago
具有保留属性和可调折衷的物理系统代理建模
本文提出了一种框架，旨在自动开发一系列物理系统的代理模型，以协助进行时间（模拟成本）和精度之间的平衡，其中包括从一级原理生成高保真模型并应用自下而上的模型降阶和利用实验或模拟数据拟合人工本构关系来生成代理模型。
PDF2 years ago