研究人员开发了一种新颖的神经代理模型,可改进复杂异质介质中超声波传播的模拟。该模型将傅里叶神经算子(FNO)与U-Net架构相结合,解决了先前方法在捕捉反射等关键信号特征或跨空间尺度信息传递方面的局限性。所提出的方法对输入噪声表现出鲁棒性,并能以有限的数据进行有效训练,为超声传感应用提供了更高效、更准确的工具。 AI
影响 这项研究有望为超声传感应用带来更高效、更准确的模拟。
排序理由 该集群包含一篇详细介绍新研究方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- Burla Nur Korkmaz
- CatalyzeX
- CORE Recommender
- DagsHub
- Fourier Neural Operators
- Gotit.pub
- Hugging Face
- IArxiv Recommender
- Influence Flower
- ScienceCast
- U-Net
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →