PulseAugur
中
实时 04:06:50
English(EN) The balance between compactness and forecast accuracy of data-driven latent-space reduced-order models in controlled wake flows

研究论文详述了用于流体控制的AI模型的权衡取舍

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新研究论文探讨了用于主动流体控制的数据驱动降阶模型在模型压缩与预测精度之间的权衡。该研究比较了主元分析（POD）与自编码器，发现虽然自编码器提供更高的压缩率，但基于POD的模型提供了更稳定的潜在动力学和更可靠的长期预测。这项研究为设计实时流体控制应用的预测模型提供了指导，特别是那些使用模型预测控制和强化学习的应用。 AI

影响 为设计更稳定、更准确的实时流体控制应用的预测模型提供了指导。

排序理由 该集群包含一篇详细阐述新研究发现的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

研究论文详述了用于流体控制的AI模型的权衡取舍

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Alberto Solera-Rico, Patricia Garc\'ia-Caspue\~nas, Carlos Sanmiguel Vila, Stefano Discetti ·

    数据驱动的降阶模型在受控尾流流动中紧凑性与预测精度之间的平衡

    arXiv:2607.24569v1 Announce Type: cross Abstract: Model-based active flow control requires predictive models that are accurate, stable, and fast enough for real-time optimisation. In controlled wake flows, this is often achieved through Reduced-Order Models (ROMs) that first comp…

相关实体

相关话题