研究人员开发了一个名为 Constrained Extreme Gradient Boosting (cXGBoost) 的新框架，以提高工程模拟中使用的降阶模型 (ROM) 的准确性。该方法通过将 Proper Orthogonal Decomposition (POD) 基预测为系统参数的函数来适配 ROM 的基构造。通过利用 Grassmann 流形上的几何表示并在训练期间施加范数约束，cXGBoost 确保了逆映射的有效性并保留了预测子空间的几何结构，在各种复杂系统中表现出稳健的性能。 AI
影响 引入了一种新颖的机器学习方法，以提高复杂工程模拟的效率和准确性。
排序理由 这是一篇详细介绍用于适配降阶模型的新机器学习框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Constrained Extreme Gradient Boosting
- cXGBoost
- Grassmann manifold
- Proper Orthogonal Decomposition
- POD
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
