PulseAugur
中
实时 08:22:53
English(EN) Multi-Level Bayesian Calibration of a Multi-Component Dynamic System Model

新的贝叶斯校准方法融合异构数据用于动态系统

作者 PulseAugur 编辑部 · [1 个来源] ·

本文介绍了一种新颖的多层次贝叶斯校准方法，旨在融合来自各种来源的信息，并考虑动态多组分系统中的不确定性。该方法在组件和系统级别量化不确定性，从而实现修正的模型预测。它通过迭代策略顺序处理异构数据，适用于离线和实时在线校准场景。该方法论的有效性通过燃气轮机发动机转子叶片的 termo-mechanical 行为分析得到证明。 AI

影响 这项研究可以提高工程应用中复杂系统建模和预测的准确性。

排序理由 该条目是发表在arXiv上的学术论文，详细介绍了一种新方法论。[lever_c_demoted from research: ic=1 ai=0.4]

在 arXiv stat.ML 阅读 →

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

新的贝叶斯校准方法融合异构数据用于动态系统

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Berkcan Kapusuzoglu, Sankaran Mahadevan, Shunsaku Matsumoto, Yoshitomo Miyagi, Daigo Watanabe ·

    多层贝叶斯校准多组分动态系统模型

    arXiv:2608.18430v1 Announce Type: cross Abstract: This paper proposes a multi-level Bayesian calibration approach that fuses information from heterogeneous sources and accounts for uncertainties in modeling and measurements for time-dependent multi-component systems. The develope…

相关实体

相关话题