文献

J-GLOBAL ID：202202281015810366   整理番号：22A0942281

ニューラルネットワークシフト固有直交分解:双曲型方程式の非線形縮小のための機械学習アプローチ【JST・京大機械翻訳】

The Neural Network shifted-proper orthogonal decomposition: A machine learning approach for non-linear reduction of hyperbolic equations

著者 (6件)： Papapicco Davide (Mathematics Area, mathLab, SISSA, Via Bonomea, 265, Trieste, 34136, Italy) ,  Papapicco Davide (Department of Electronics and Telecommunications, Politecnico di Torino, C.so Duca degli Abruzzi, 24, Torino, 10129, Italy) ,  Demo Nicola (Mathematics Area, mathLab, SISSA, Via Bonomea, 265, Trieste, 34136, Italy) ,  Girfoglio Michele (Mathematics Area, mathLab, SISSA, Via Bonomea, 265, Trieste, 34136, Italy) ,  Stabile Giovanni (Mathematics Area, mathLab, SISSA, Via Bonomea, 265, Trieste, 34136, Italy) ,  Rozza Gianluigi (Mathematics Area, mathLab, SISSA, Via Bonomea, 265, Trieste, 34136, Italy)
資料名： Computer Methods in Applied Mechanics and Engineering  (Computer Methods in Applied Mechanics and Engineering)
巻： 392  ページ： Null  発行年： 2022年 
JST資料番号： E0856A  ISSN： 0045-7825  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 支配的な移流を持つモデルは,投影ベースの縮小次数モデリングに対して常に困難な課題を提起した。最近提案された多くの方法論は,Kolmogorov N-幅減衰を加速するための全次数解の前処理に基づいており,それにより,改善された精度を有するより小さな線形部分空間を得た。しかし,これらの方法は,解の位相空間における特性速度の知識に頼らず,移流場に対する陽関数形式を持つ問題への適用性の範囲を制限する。本研究では,深層学習アーキテクチャを実装することにより,統計的学習フレームワークにおける正しい前処理変換を自動的に検出する問題を検討した。純粋データ駆動法は,未知の移流場を有する非線形双曲線問題に対する線形部分空間操作の既存のアプローチを一般化することを可能にする。提案アルゴリズムを簡単な試験事例に対して検証し,その性能をベンチマークし,その後多相シミュレーションに適用した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  位相空間 ,  シミュレーション ,  線形性 ,  モデル ,  移流 ,  多相 ,  ベンチマーク ,  計算機アーキテクチャ ,  *機械学習
準シソーラス用語： 部分空間 ,  データ駆動 ,  低次元 ,  深層学習 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層ニューラルネットワーク(DNN) ,  シフトPOD(sPOD) ,  非線形双曲線方程式 ,  低次元モデリング(ROM) ,  多相シミュレーション

分類 (1件)： 流体動力学一般  (BC02010G)

タイトルに関連する用語 (5件)： 固有直交分解 ,  方程式 ,  非線形 ,  縮小 ,  機械学習