研究人员开发了一个新的物理约束高斯过程回归（CONS-SOGP）框架，以从有限的传感器数据中改进结构模态形状的重建。该方法通过引入质量正交性惩罚来解决标准高斯过程回归中的不一致性，确保了物理上合理的结果。对多自由度结构的数值测试证实，与现有技术相比，CONS-SOGP提供了更准确可靠的扩展模态形状。 AI
影响 引入了一种新颖的统计方法用于物理系统分析，可能改进工程领域的数据驱动建模。
排序理由 该集群包含一篇详细介绍特定科学领域新方法的学术论文。[lever_c_demoted from research: ic=2 ai=0.4]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.23101v1 Announce Type: cross Abstract: This paper addresses the challenge of reconstructing full-field structural mode shapes from sparse sensor data. While Gaussian Process Regression (GPR) offers a robust non-parametric framework for spatial interpolation and uncerta…
This paper addresses the challenge of reconstructing full-field structural mode shapes from sparse sensor data. While Gaussian Process Regression (GPR) offers a robust non-parametric framework for spatial interpolation and uncertainty quantification, standard formulations often y…