BriefGPT - AI 论文速递
·
循环式火焰振荡器阵列的降维与动态模式识别的深度神经网络方法
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种Bi-LSTM-VAE-WDC方法，利用双层双向长短期记忆变分自编码器和基于二维Wasserstein距离的分类器，用于识别振荡燃烧系统中的动力学模式。实验结果表明，该方法在无监督模式识别和分类方面优于VAE和PCA。
🎯
关键要点
- 提出了一种Bi-LSTM-VAE-WDC方法，用于识别振荡燃烧系统中的动力学模式。
- 该方法结合了双层双向长短期记忆变分自编码器和基于二维Wasserstein距离的分类器。
- 模型通过将高维空时数据降维至低维相空间，并计算相空间网格中相点分布的高斯核密度估计（GKDE）。
- 通过GKDE图计算二维Wasserstein距离值来识别振荡模式。
- 实验结果表明，该方法在无监督模式识别和分类方面优于VAE和PCA。
- 该方法在复杂火焰系统中显示出更强的优势，具有研究湍流燃烧的潜力。
➡️
