研究人员开发了一种新颖的方法来解决由亥姆霍兹方程控制的复杂波传播问题,特别是在波数平方为复数的耗散介质中。这种新方法将算子感知高斯过程(GP)回归扩展到处理复值场,方法是将问题转换为等效的实值系统。该方法在基准问题上展示了与有限差分和神经网络基线相比具有竞争力的性能,并提供了量化其预测不确定性的优势。当应用于体外脑磁共振弹性成像时,该技术成功地重建了与测量值高度相关的剪切旋度场。 AI
影响 这项研究推进了用于复杂物理模拟的概率方法,有可能提高医学成像等领域的准确性和不确定性量化。
排序理由 该集群包含一篇学术论文,详细介绍了使用高斯过程解决复杂物理问题的新方法。
- artificial neural network
- arXiv
- finite difference
- Gaussian process
- Helmholtz equation
- kriging
- Magnetic resonance elastography
- partial differential equation
- shear curl field
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →