論文の概要: An autoencoder-based reduced-order model for eigenvalue problems with application to neutron diffusion

• arxiv url: http://arxiv.org/abs/2008.10532v1
• Date: Sat, 15 Aug 2020 16:52:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-28 20:52:07.169472
• Title: An autoencoder-based reduced-order model for eigenvalue problems with application to neutron diffusion
• Title（参考訳）: 自己エンコーダに基づく固有値問題の低次モデルと中性子拡散への応用
• Authors: Toby Phillips, Claire E. Heaney, Paul N. Smith, Christopher C. Pain
• Abstract要約: 本稿では,次元減少のためのオートエンコーダを用いて,固有値問題に対する新規なプロジェクションベースリダクションモデルを提案する。 還元次モデリングは、高次元系が近似される低次元空間を定義する適切な基底関数を見つけることに依存する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Using an autoencoder for dimensionality reduction, this paper presents a novel projection-based reduced-order model for eigenvalue problems. Reduced-order modelling relies on finding suitable basis functions which define a low-dimensional space in which a high-dimensional system is approximated. Proper orthogonal decomposition (POD) and singular value decomposition (SVD) are often used for this purpose and yield an optimal linear subspace. Autoencoders provide a nonlinear alternative to POD/SVD, that may capture, more efficiently, features or patterns in the high-fidelity model results. Reduced-order models based on an autoencoder and a novel hybrid SVD-autoencoder are developed. These methods are compared with the standard POD-Galerkin approach and are applied to two test cases taken from the field of nuclear reactor physics.
• Abstract（参考訳）: 本稿では,次元減少のためのオートエンコーダを用いて,固有値問題に対する新規なプロジェクションベースリダクションモデルを提案する。 還元次モデリングは、高次元系が近似される低次元空間を定義する適切な基底関数を見つけることに依存する。 適切な直交分解(POD)と特異値分解(SVD)がこの目的のためにしばしば使われ、最適線型部分空間が得られる。 オートエンコーダはPOD/SVDの非線形的な代替手段を提供し、より効率的に高忠実度モデルの結果の特徴やパターンをキャプチャすることができる。 オートエンコーダと新しいハイブリッドSVDオートエンコーダに基づく低次モデルを開発した。 これらの手法は標準的なPOD-Galerkin法と比較され、原子炉物理学の分野から得られた2つのテストケースに適用される。

関連論文リスト

• Bridging Autoencoders and Dynamic Mode Decomposition for Reduced-order Modeling and Control of PDEs [12.204795159651589]
  本稿では,Ptemporals が支配する動的システムの低次モデリングと制御のための深層自己コーディング学習手法について検討する。 まず,線形オートエン縮退モデルの学習目標を定式化し,制御アルゴリズムを用いて動的モード分解により得られる結果によく似た解が得られることを示す。 次に、この線形自動符号化アーキテクチャをディープ・オートコーディング・フレームワークに拡張し、非線形低次モデルの開発を可能にする。
  論文  参考訳（メタデータ） (2024-09-09T22:56:40Z)
• On the Trajectory Regularity of ODE-based Diffusion Sampling [79.17334230868693]
  拡散に基づく生成モデルは微分方程式を用いて、複素データ分布と抽出可能な事前分布の間の滑らかな接続を確立する。 本稿では,拡散モデルのODEに基づくサンプリングプロセスにおいて,いくつかの興味深い軌道特性を同定する。
  論文  参考訳（メタデータ） (2024-05-18T15:59:41Z)
• Polytopic Autoencoders with Smooth Clustering for Reduced-order Modelling of Flows [1.1279808969568252]
  本稿では,軽量な非線形エンコーダ,凸結合デコーダ,スムーズなクラスタリングネットワークを備えた多目的オートエンコーダアーキテクチャを提案する。 圧縮不能なNavier-Stokes方程式による2つの流れシナリオのシミュレーションを行う。 数値計算の結果、モデルの保証された特性、PODと比較して低い再構成誤差、クラスタリングネットワークによるエラー改善が示された。
  論文  参考訳（メタデータ） (2024-01-19T10:52:57Z)
• Complexity Matters: Rethinking the Latent Space for Generative Modeling [65.64763873078114]
  生成的モデリングにおいて、多くの成功したアプローチは、例えば安定拡散のような低次元の潜在空間を利用する。 本研究では, モデル複雑性の観点から潜在空間を再考することにより, 未探索の話題に光を当てることを目的としている。
  論文  参考訳（メタデータ） (2023-07-17T07:12:29Z)
• VTAE: Variational Transformer Autoencoder with Manifolds Learning [144.0546653941249]
  深層生成モデルは、多くの潜伏変数を通して非線形データ分布の学習に成功している。 ジェネレータの非線形性は、潜在空間がデータ空間の不満足な射影を示し、表現学習が不十分になることを意味する。 本研究では、測地学と正確な計算により、深部生成モデルの性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-04-03T13:13:19Z)
• Convolutional Autoencoders, Clustering and POD for Low-dimensional Parametrization of Navier-Stokes Equations [1.160208922584163]
  非線形エンコーダとアフィン線形デコーダからなる畳み込みオートエンコーダ(CAE)を提案する。 提案手法は, 圧縮不能なNavier-Stokes方程式をモデルとした2つのシリンダーウェイクシナリオにおける標準POD手法と比較した。
  論文  参考訳（メタデータ） (2023-02-02T18:12:08Z)
• Numerical Optimizations for Weighted Low-rank Estimation on Language Model [73.12941276331316]
  Singular value decomposition (SVD) は、より小さい行列でターゲット行列を近似する最も一般的な圧縮手法の1つである。 標準SVDは行列内のパラメータを同じ重要性で扱うが、これは単純だが非現実的な仮定である。 本手法は,ニューラルベース言語モデルにおいて,現在のSOTA法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2022-11-02T00:58:02Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• Convolutional Autoencoders for Reduced-Order Modeling [0.0]
  我々は、波動と倉本-シヴァシンスキー方程式の非線形次元還元を行う畳み込みオートエンコーダを作成し、訓練する。 実数次モデルサンプルとは無関係に学習法を提案し、多様体最小二乗ペトロフ・ガレルキン射影法を用いて減数次モデルを定義する。
  論文  参考訳（メタデータ） (2021-08-27T18:37:23Z)
• Non-intrusive surrogate modeling for parametrized time-dependent PDEs using convolutional autoencoders [0.0]
  パラメータ化時間依存PDEによる複雑系の予測モデリングのための機械学習に基づく非侵襲的代理モデリング手法を提案する。 我々は、畳み込みオートエンコーダをフィードフォワードニューラルネットワークと組み合わせて、問題のパラメトリック空間から解空間への低コストで正確なマッピングを確立する。
  論文  参考訳（メタデータ） (2021-01-14T11:34:58Z)
• Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
  本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。 我々は,再建基準の代替として,異常スコアの代替尺度を提案した。 提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2020-03-24T08:26:58Z)

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。