physical models | BriefGPT - AI 论文速递

关键词physical models

搜索结果 - 11

MAGIC：用于具有偏差校正的可推广模型逆向的模块化自动编码器
受逆向图形学研究的启发，我们采用了将标准自编码器的解码器阶段替换为物理模型加偏差校正层的通用方法，以端到端的方式同时逆向模型并校正其偏差，无需对偏差的性质进行假设，我们使用来自不同领域（遥感中的复杂辐射传输模型和地形测量学中的火山变形模型）
PDFa month ago
重新思考单图像去雾的初级函数融合
该研究论文通过提出一种创新的去雾网络（CL2S）来解决当前图像去雾领域中物理模型的局限性。CL2S 建立在 DM2F 模型的基础上，通过消融实验确定 DM2F 存在的问题，并将原始对数函数模型替换为三角（正弦）模型，以更好地适应复杂和多变的
PDFa month ago
ML4PhySim：物理仿真挑战赛中的机器学习（空气动力学翼型设计）
使用机器学习技术解决复杂物理问题的评估一直是工业应用中的重要问题。本文提出了一种名为学习工业物理模拟的统一评估框架，鼓励开发新的机器学习技术来解决物理问题，并通过使用名为 AirfRANS 的数据集来学习一个代表性的物理用例：空气动力学设计
PDF4 months ago
用于可编程照明计算显微术的混合深度学习和基于物理的神经网络
采用深度模型或物理模型是解决可编程照明计算显微术中逆采样重建问题的两种主流方法。本文结合深度模型和物理模型的优势，提出了一个由三个子神经网络组成的混合框架，在计算显微术中快速解决计算重建逆问题并取得更好的结果。该框架通过深度学习神经网络获得
PDF6 months ago
利用符号回归和离散外微分发现可解释的物理模型
通过结合符号回归和离散外积计算，提出了一种从实验数据中自动发现物理模型的框架，该框架利用数学表达式构建可解释且易于分析的模型，有助于提高模型的泛化能力和减少符号表达式的搜索空间。并通过从合成实验数据中重新发现三个连续物理模型的方法，证明了方
PDF9 months ago
基于物理启发的 SAR 目标识别的混合关注
研究在 SAR 目标识别中引入物理模型和深度神经网络的融合，通过引入属性散射中心参数等数据进行性能改进和物理可解释性提高；然而，当前评估方案不足以评估模型的稳健性和泛化能力。因此，本文提出了基于物理的混合注意力机制和一劳永逸的评估协议来解决
PDF9 months ago
混合数据驱动 / 热仿真模型用于舒适评估
通过混合实际数据和模拟数据，利用机器学习模型在预测舒适度方面取得了很有希望的结果。
PDF10 months ago
ICML神经网络模拟器在气候建模中实现能量守恒
两种方法被提出在物理模型神经网络仿真中使用以保持线性守恒定律有助于更好地推广到其训练数据之外的条件，例如全球变暖。
PDF5 years ago
集体细胞迁移的物理模型
本文从物理角度提供讨论了支配细胞迁移的相互作用机制，并对解释这些相互作用如何导致细胞运动的物理模型进行了综述，包括点阵模型、相场模型、活性网络模型、粒子模型和连续模型，并讨论了这些模型的局限性和主要涌现现象。
PDF5 years ago
物理导向循环神经网络模拟动力系统：以模拟湖泊温度剖面为案例研究
该论文提出了一种物理引导的循环神经网络模型，结合了循环神经网络与基于物理的模型，利用它们的互补优势来改善物理过程建模的精度，从而在各种科学和工程领域得到应用。
PDF6 years ago
Illustris 项目介绍：宇宙时间内星系种群的演化
我们在 Illustris 模拟中观察到跨越宇宙时空的星系演化，该模拟使用了经过调整以重现 z=0 恒星质量函数和宇宙星形成速率密度历史的最先进的星系形成物理模型，并成功地再现了各个红移下星系群体的观测结果，特别是关于星系质量、数密度、气体
PDF10 years ago