Karhunen-Loeve expansions and their applications
PulseAugur coverage of Karhunen-Loeve expansions and their applications — every cluster mentioning Karhunen-Loeve expansions and their applications across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的双保真度代理模型结合主动学习用于随机场
研究人员开发了一种新的双保真度 Karhunen-Loève 展开 (KLE) 代理模型，用于处理不确定输入下的值域感兴趣量。该模型结合了 KLE 的效率和多项式混沌展开，以保持输入不确定性与输出场之间的清晰联系。通过将廉价的低保真度模拟与有限数量的高保真度模拟相结合，该方法旨在实现准确且经济高效的代理模型构建。还引入了一种主动学习策略，根据代理模型的估计泛化误差自适应地选择高保真度模拟，进一步提高预测精度。
-
新的KL-DNN框架加速了大规模科学应用中的偏微分方程建模
研究人员开发了一个新的算子学习框架，即Karhunen-Loeve深度神经网络（KL-DNN），旨在解决科学和工程领域中常见的大规模偏微分方程（PDE）问题。该框架有效地融合了DeepONet和Karhunen-Loeve展开，能够对地质碳封存等复杂模拟实现更高效的训练和预测。与DeepONet相比，KL-DNN模型在压力和CO2饱和度预测方面取得了显著的改进，错误率更低，同时在训练和推理时间方面提供了显著的加速。
-
新的deFOREST管道融合卫星数据以进行先进的森林砍伐检测
研究人员开发了一个名为deFOREST的新森林砍伐检测管道，该管道融合了光学和雷达卫星数据以增强传感。该系统使用离散Karhunen-Loéve展开从光学数据构建异常图，在不需要数据分布先验知识的情况下量化异常。然后将这些光学异常图与雷达数据结合，并使用隐马尔可夫模型进行分类。deFOREST方法在亚马逊森林中使用Sentinel-1和Sentinel-2数据进行了测试，与现有的混合方法相比，其准确性更高，尤其是在由于云层覆盖导致光学…