文献

J-GLOBAL ID：202002280450477640   整理番号：20A2353131

非線形動力学のための移動学習と流体乱流への応用【JST・京大機械翻訳】

Transfer learning for nonlinear dynamics and its application to fluid turbulence

著者 (2件)： Inubushi Masanobu (Graduate School of Engineering Science, Osaka University, 1-3 Machikaneyama, Toyonaka, Osaka 560-8531, Japan) ,  Goto Susumu (Graduate School of Engineering Science, Osaka University, 1-3 Machikaneyama, Toyonaka, Osaka 560-8531, Japan)
資料名： Physical Review. E  (Physical Review. E)
巻： 102  号： 4  ページ： 043301  発行年： 2020年 
JST資料番号： W0493A  ISSN： 2470-0045  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 非線形動力学に対する転送学習を導入し,少量のデータを利用することによりカオス動力学の効率的予測を可能にした。Lorenzカオスに対して,転送速度を最適化することにより,従来手法よりも1桁のより正確な推論を達成した。さらに,乱流の小規模普遍性のおかげで,低Reynolds数で乱流データから学習された大量の知識を伝達するので,驚くほど少量の学習がNavier-Stokes乱流のエネルギー散逸速度を推論するのに十分である。Copyright 2020 The American Physical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *乱流 ,  *学習 ,  伝送速度 ,  *非線形力学 ,  カオス ,  普遍性 ,  エネルギー散逸
準シソーラス用語： 低Reynolds数 , 【Automatic Indexing@JST】

分類 (5件)： 核融合装置  (BJ02083Z) ,  物体の周りの流れ  (BC02040N) ,  呼吸系モデル  (EL02030G) ,  ガスタービン  (PB02040Y) ,  反応工学,反応速度論  (XE01020M)

タイトルに関連する用語 (5件)： 非線形動力学 ,  学習 ,  流体 ,  乱流 ,  応用