实体
kriging
kriging
PulseAugur coverage of kriging — every cluster mentioning kriging across labs, papers, and developer communities, ranked by signal.
总计 · 30天
4
90 天内 4
发布 · 30天
0
90 天内 0
论文 · 30天
4
90 天内 4
层级分布 · 90 天
主题
情绪 · 30 天
4 天有情绪数据
最近 · 第 1/1 页 · 共 4 条
-
AI利用仿真数据重构温度场
研究人员开发了一种新方法，利用基于物理的仿真生成合成数据集来训练神经网络，以重构不可观测的温度场。这种仿真辅助的智能传感方法解决了热监测应用中传感器数据有限的挑战。概念验证表明，在合成数据上训练的神经网络在鲁棒性方面优于Kriging等传统方法，并能实现在线监测的实时推理。
-
新的高斯过程方法重构流场
研究人员开发了一种使用面向物理的高斯过程回归重构流场的新颖方法。该技术将边界约束直接纳入回归过程，从而能够更准确地估计流动动力学。该方法已被证明可以在不需要边界观测的情况下有效模拟空气动力学剖面周围的流体行为。
-
新方法为核回归提供严格的不确定性界限
研究人员开发了一种在新方法，用于在再生核希尔伯特空间中计算多元函数的严格、确定性不确定性界限。该方法旨在处理有界噪声条件，并且可以轻松集成到现有的高斯过程置信界限框架中。新方法推广了先前结果，并通过一个与四旋翼飞行器学习动力学相关的示例进行了演示。
-
新的物理约束GPR改进了结构模态形状重建
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。