PulseAugur
中
实时 12:22:18
English(EN) Sparse POD Mode Selection and Manifold Dimensionality Reduction with Neural Networks

新的神经网络框架增强了物理模拟中的降维能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了SparseModesNet，一种用于高维物理系统降维的新型框架。该方法将本征正交分解（POD）与神经网络相结合，并使用LassoNet强制执行稀疏性。SparseModesNet能有效选择信息丰富的POD模式并学习非线性映射，在平流主导和混沌流上的表现优于现有的多项式流形方法，并显著降低了湍流通道流的重构误差。 AI

排序理由 这是一篇研究论文，详细介绍了一种用于物理模拟降维的新方法。[lever_c_demoted from research: ic=1 ai=0.7]

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 →

新的神经网络框架增强了物理模拟中的降维能力

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Tomoki Koike, Prakash Mohan, Marc T. Henry de Frahan, Elizabeth Qian, Julie Bessac ·

    基于神经网络的稀疏POD模式选择与流形降维

    arXiv:2605.27756v1 Announce Type: cross Abstract: High-performance computing enables simulation of high-dimensional physical systems, but downstream analyses such as inverse problems and control remain computationally expensive, motivating model order reduction (MOR) to construct…

相关实体

相关话题