論文の概要: An Efficient Machine-Learning Approach for PDF Tabulation in Turbulent Combustion Closure

• arxiv url: http://arxiv.org/abs/2005.09747v1
• Date: Mon, 18 May 2020 00:13:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-02 00:49:27.171496
• Title: An Efficient Machine-Learning Approach for PDF Tabulation in Turbulent Combustion Closure
• Title（参考訳）: 乱流燃焼閉鎖におけるPDFタブの効率的な機械学習手法
• Authors: Rishikesh Ranade, Genong Li, Shaoping Li, Tarek Echekki
• Abstract要約: 我々は、回帰と自己組織化マップ(SOM)のための多層認識(MLP)ニューラルネットワークに依存した適応学習アルゴリズムを導入し、異なるネットワークを用いてデータを集計する。 このアルゴリズムは、RANSとLESシミュレーションの両方を用いて、いわゆるDLR-A乱流噴流拡散炎に対して検証される。
• 参考スコア（独自算出の注目度）: 0.3277163122167433
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Probability density function (PDF) based turbulent combustion modelling is limited by the need to store multi-dimensional PDF tables that can take up large amounts of memory. A significant saving in storage can be achieved by using various machine-learning techniques that represent the thermo-chemical quantities of a PDF table using mathematical functions. These functions can be computationally more expensive than the existing interpolation methods used for thermo-chemical quantities. More importantly, the training time can amount to a considerable portion of the simulation time. In this work, we address these issues by introducing an adaptive training algorithm that relies on multi-layer perception (MLP) neural networks for regression and self-organizing maps (SOMs) for clustering data to tabulate using different networks. The algorithm is designed to address both the multi-dimensionality of the PDF table as well as the computational efficiency of the proposed algorithm. SOM clustering divides the PDF table into several parts based on similarities in data. Each cluster of data is trained using an MLP algorithm on simple network architectures to generate local functions for thermo-chemical quantities. The algorithm is validated for the so-called DLR-A turbulent jet diffusion flame using both RANS and LES simulations and the results of the PDF tabulation are compared to the standard linear interpolation method. The comparison yields a very good agreement between the two tabulation techniques and establishes the MLP-SOM approach as a viable method for PDF tabulation.
• Abstract（参考訳）: 確率密度関数(PDF)に基づく乱流燃焼モデリングは、大量のメモリを消費できる多次元PDFテーブルを格納する必要があるため制限される。 数式関数を用いたPDFテーブルの熱化学的量を表す様々な機械学習技術を用いることで、記憶の大幅な節約が達成できる。 これらの関数は、熱化学量に用いられる既存の補間法よりも計算コストが高い。 さらに重要なのは、トレーニング時間がシミュレーション時間のかなりの部分を占めることだ。 本研究では、回帰と自己組織化マップ(SOM)のための多層認識(MLP)ニューラルネットワークを利用した適応学習アルゴリズムを導入し、データをクラスタリングして異なるネットワークを用いて集計する。 このアルゴリズムは、PDFテーブルの多次元性と提案アルゴリズムの計算効率の両方に対処するように設計されている。 SOMクラスタリングは、PDFテーブルをデータの類似性に基づいていくつかの部分に分割する。 各データのクラスタは、単純なネットワークアーキテクチャ上でMPPアルゴリズムを用いてトレーニングされ、熱化学量のための局所関数を生成する。 RANS法とLES法の両方を用いて, いわゆるDLR-A乱流噴流拡散火炎に対するアルゴリズムの有効性を検証し, 標準線形補間法と比較した。 この比較は2つの集計手法間で非常によく一致し、PDF集計の実行可能な方法としてMLP-SOMアプローチを確立する。

関連論文リスト

• Online Parallel Multi-Task Relationship Learning via Alternating Direction Method of Multipliers [37.859185005986056]
  オンラインマルチタスク学習(OMTL)は、複数のタスク間の固有の関係を活用することで、ストリーミングデータ処理を強化する。 本研究では、分散コンピューティング環境に適した最近の最適化である交互方向乗算器法(ADMM)に基づく新しいOMTLフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-09T10:20:13Z)
• A GPU-Accelerated Bi-linear ADMM Algorithm for Distributed Sparse Machine Learning [4.258375398293221]
  Bi-cADMMは、計算ノードのネットワーク上で定義された大規模正規化されたスパース機械学習問題を解決することを目的としている。 Bi-cADMMはParallel Sparse Fitting Toolboxと呼ばれるオープンソースのPythonパッケージで実装されている。
  論文  参考訳（メタデータ） (2024-05-25T15:11:34Z)
• Heterogenous Memory Augmented Neural Networks [84.29338268789684]
  ニューラルネットワークのための新しいヘテロジニアスメモリ拡張手法を提案する。 学習可能なメモリトークンをアテンション機構付きで導入することにより、膨大な計算オーバーヘッドを伴わずに性能を効果的に向上させることができる。 In-distriion (ID) と Out-of-distriion (OOD) の両方の条件下での様々な画像およびグラフベースのタスクに対するアプローチを示す。
  論文  参考訳（メタデータ） (2023-10-17T01:05:28Z)
• A Deep Learning algorithm to accelerate Algebraic Multigrid methods in Finite Element solvers of 3D elliptic PDEs [0.0]
  本稿では,有限要素解法として用いる場合の代数的多重グリッド法の計算コストを最小化する新しいDeep Learningアルゴリズムを提案する。 本研究では,大きなスパース行列処理の計算コストを削減し,手前の回帰処理に必要な特徴を保存できることを実験的に証明する。
  論文  参考訳（メタデータ） (2023-04-21T09:18:56Z)
• Multivariate Probabilistic CRPS Learning with an Application to Day-Ahead Electricity Prices [0.0]
  本稿では,多変量確率予測を結合(あるいは集約)する新しい手法を提案する。 オンライン学習を可能にするスムーズな手続きを通じて、量子と限界の間の依存関係を考察する。 提案アルゴリズムの高速なC++実装は、CRAN上のオープンソースのR-Package profocで提供される。
  論文  参考訳（メタデータ） (2023-03-17T14:47:55Z)
• Monte Carlo Neural PDE Solver for Learning PDEs via Probabilistic Representation [59.45669299295436]
  教師なしニューラルソルバのトレーニングのためのモンテカルロPDEソルバを提案する。 我々は、マクロ現象をランダム粒子のアンサンブルとみなすPDEの確率的表現を用いる。 対流拡散, アレン・カーン, ナヴィエ・ストークス方程式に関する実験により, 精度と効率が著しく向上した。
  論文  参考訳（メタデータ） (2023-02-10T08:05:19Z)
• Energy-Efficient and Federated Meta-Learning via Projected Stochastic Gradient Ascent [79.58680275615752]
  エネルギー効率のよいメタラーニングフレームワークを提案する。 各タスクは別々のエージェントによって所有されていると仮定するため、メタモデルをトレーニングするために限られたタスクが使用される。
  論文  参考訳（メタデータ） (2021-05-31T08:15:44Z)
• Attentional-Biased Stochastic Gradient Descent [74.49926199036481]
  深層学習におけるデータ不均衡やラベルノイズ問題に対処するための証明可能な手法(ABSGD)を提案する。 本手法は運動量SGDの簡易な修正であり,各試料に個別の重み付けを行う。 ABSGDは追加コストなしで他の堅牢な損失と組み合わせられるほど柔軟である。
  論文  参考訳（メタデータ） (2020-12-13T03:41:52Z)
• Coded Stochastic ADMM for Decentralized Consensus Optimization with Edge Computing [113.52575069030192]
  セキュリティ要件の高いアプリケーションを含むビッグデータは、モバイルデバイスやドローン、車両など、複数の異種デバイスに収集され、格納されることが多い。 通信コストとセキュリティ要件の制限のため、核融合センターにデータを集約するのではなく、分散的に情報を抽出することが最重要となる。 分散エッジノードを介してデータを局所的に処理するマルチエージェントシステムにおいて,モデルパラメータを学習する問題を考える。 分散学習モデルを開発するために,乗算器アルゴリズムの最小バッチ交互方向法(ADMM)のクラスについて検討した。
  論文  参考訳（メタデータ） (2020-10-02T10:41:59Z)
• Communication-Efficient Distributed Stochastic AUC Maximization with Deep Neural Networks [50.42141893913188]
  本稿では,ニューラルネットワークを用いた大規模AUCのための分散変数について検討する。 我々のモデルは通信ラウンドをはるかに少なくし、理論上はまだ多くの通信ラウンドを必要としています。 いくつかのデータセットに対する実験は、我々の理論の有効性を示し、我々の理論を裏付けるものである。
  論文  参考訳（メタデータ） (2020-05-05T18:08:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。