BriefGPT - AI 论文速递
·
使用自编码图卷积网络预测非均匀非结构化网格中的超音速流场
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
降阶建模技术利用自动编码器神经网络学习非线性动力系统的低维流形。提出了动力学感知成本函数和非线性投影框架构建计算高效的降阶模型的技术。案例研究涉及涡街现象。
🎯
关键要点
- 降阶建模技术旨在从数据中学习低维流形以近似非线性动力系统。
- 介绍了一种由约束的自动编码器神经网络描述的参数化非线性投影类。
- 流形和投影纤维都是从数据中学习得到的。
- 提出了新的动力学感知成本函数，以促进学习快速动力学和非正常性的斜投影纤维。
- 提供了关于涡街现象的三状态模型的详细案例研究。
- 提出了几种基于非线性投影框架构建计算高效的降阶模型的技术。
- 包括一种新型稀疏促进惩罚项的编码器，用于避免计算Grassmann流形上有害的权重矩阵收缩。
🏷️
标签
➡️
