BriefGPT - AI 论文速递
·
用于解决高马赫数流体流动问题的高效数据学习
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本研究使用三种不确定性量化机制扩展了DeepONet模型，并使用计算流体力学生成的数据进行训练和评估。结果显示，集成方法在误差最小化和校准不确定性方面优于其他两种模型。
🎯
关键要点
- 本研究扩展了具有不确定性感知能力的DeepONet模型。
- 使用三种不确定性量化机制：均值方差估计、证据不确定性和集成。
- 模型训练和评估使用了计算流体力学生成的数据。
- 集成方法在误差最小化和校准不确定性方面优于其他两种模型。
🏷️
标签
➡️
