論文の概要: TFRD: A Benchmark Dataset for Research on Temperature Field
Reconstruction of Heat-Source Systems
- arxiv url: http://arxiv.org/abs/2108.08298v1
- Date: Tue, 17 Aug 2021 15:32:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-21 06:08:38.837641
- Title: TFRD: A Benchmark Dataset for Research on Temperature Field
Reconstruction of Heat-Source Systems
- Title（参考訳）: tfrd:熱源システムの温度場再構成研究のためのベンチマークデータセット
- Authors: Xiaoqian Chen, Zhiqiang Gong, Xiaoyu Zhao, Wen Yao
- Abstract要約: 熱源系(TFR-HSS)の温度場再構築は熱管理において重要な役割を担っている。
再建法を広く研究するための公開データセットは存在しない。
この研究は、一般的に使われているメソッドを用いて、TFR-HSSタスクのための特定のデータセット、TFRDを構築する。
- 参考スコア（独自算出の注目度）: 10.609815608017065
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Heat management plays an important role in engineering. Temperature field
reconstruction of heat source systems (TFR-HSS) with limited monitoring
tensors, performs an essential role in heat management. However, prior methods
with common interpolations usually cannot provide accurate reconstruction. In
addition, there exists no public dataset for widely research of reconstruction
methods to further boost the field reconstruction in engineering. To overcome
this problem, this work construct a specific dataset, namely TFRD, for TFR-HSS
task with commonly used methods, including the interpolation methods and the
surrogate model based methods, as baselines to advance the research over
temperature field reconstruction. First, the TFR-HSS task is mathematically
modelled from real-world engineering problem and three types of numerically
modellings have been constructed to transform the problem into discrete mapping
forms. Besides, this work selects four typical reconstruction problem with
different heat source information and boundary conditions and generate the
standard samples as training and testing samples for further research. Finally,
a comprehensive review of the prior methods for TFR-HSS task as well as recent
widely used deep learning methods is given and we provide a performance
analysis of typical methods on TFRD, which can be served as the baseline
results on this benchmark.
- Abstract（参考訳）: 熱管理はエンジニアリングにおいて重要な役割を果たす。
観測テンソルが限定された熱源系(TFR-HSS)の温度場再構成は熱管理において重要な役割を果たす。
しかし、通常の補間法では正確な再構築はできない。
また、工学におけるフィールドレコンストラクションをさらに促進するための復元手法を広く研究するための公開データセットは存在しない。
本研究は,tfr-hssタスクのための,補間法やサロゲートモデルに基づく手法など,一般的な手法を用いた特定のデータセットであるtfrdを,温度場再構成研究のベースラインとして構築する。
まず、tfr-hssタスクは実世界の工学的問題から数学的にモデル化され、問題を離散的マッピング形式に変換する3種類の数値モデリングが構築されている。
さらに, 熱源情報と境界条件の異なる4つの典型的復元問題を選択し, さらなる研究のためのトレーニングおよび試験サンプルとして標準試料を生成する。
最後に, TFR-HSSタスクの先行手法と近年広く使われているディープラーニング手法の総合的なレビューを行い, 本ベンチマークのベースラインとして利用できるTFRDの典型的な手法の性能解析を行った。
関連論文リスト
- Physically Guided Deep Unsupervised Inversion for 1D Magnetotelluric Models [16.91835461818938]
我々は物理で導かれた新しいディープ・インバージョン・アルゴリズムを提案し、1Dマグネトロンモデル(MT)を推定する。
本手法では,コスト関数の最小化を物理的に導く,微分可能なモデリング演算子を用いる。
提案手法は, 異なる周波数でのフィールドデータと合成データを用いて検証し, 取得モデルが他の結果よりも精度が高いことを示す。
論文 参考訳（メタデータ） (2024-10-20T04:17:59Z) - A novel data generation scheme for surrogate modelling with deep
operator networks [0.0]
本稿では,DeepONetsのトレーニングデータ生成に伴う計算負担を軽減するための新しい手法を提案する。
既存の文献とは異なり、データ生成のためのフレームワークは偏微分方程式の統合戦略を一切用いない。
提案手法は、他の演算子学習手法にも拡張可能であり、そのアプローチを広く適用することができる。
論文 参考訳（メタデータ） (2024-02-24T14:42:42Z) - Deep convolutional encoder-decoder hierarchical neural networks for
conjugate heat transfer surrogate modeling [0.0]
共役熱伝達(CHT)モデルは、多くの工学系の設計に不可欠である。
高忠実性CHTモデルは計算集約的であり、設計最適化のようなアプリケーションでの使用を制限する。
モジュール型深層畳み込みエンコーダ・デコーダ階層型ニューラルネットワーク(DeepEDH)を開発した。
論文 参考訳（メタデータ） (2023-11-24T21:45:11Z) - Unsupervised Discovery of Interpretable Directions in h-space of
Pre-trained Diffusion Models [63.1637853118899]
本稿では,事前学習した拡散モデルのh空間における解釈可能な方向を特定するための,教師なしおよび学習に基づく最初の手法を提案する。
我々は、事前訓練された拡散モデルのh-スペースで動作するシフト制御モジュールを用いて、サンプルをシフトしたバージョンに操作する。
それらを共同で最適化することで、モデルは自然に絡み合った、解釈可能な方向を発見する。
論文 参考訳（メタデータ） (2023-10-15T18:44:30Z) - A Heat Diffusion Perspective on Geodesic Preserving Dimensionality
Reduction [66.21060114843202]
熱測地線埋め込みと呼ばれるより一般的な熱カーネルベースの多様体埋め込み法を提案する。
その結果,本手法は,地中真理多様体距離の保存において,既存の技術よりも優れていることがわかった。
また,連続体とクラスタ構造を併用した単一セルRNAシークエンシングデータセットに本手法を適用した。
論文 参考訳（メタデータ） (2023-05-30T13:58:50Z) - Universal Domain Adaptation from Foundation Models: A Baseline Study [58.51162198585434]
基礎モデルを用いた最先端UniDA手法の実証的研究を行った。
CLIPモデルからターゲット知識を抽出するためのパラメータフリーな手法であるtextitCLIP 蒸留を導入する。
単純な手法ではあるが、ほとんどのベンチマークタスクでは従来の手法よりも優れている。
論文 参考訳（メタデータ） (2023-05-18T16:28:29Z) - A Survey of Deep Face Restoration: Denoise, Super-Resolution, Deblur,
Artifact Removal [177.21001709272144]
顔復元(FR)は、低品質(LQ)入力画像から高品質(HQ)顔を復元することを目的としている。
本稿では,顔修復のための深層学習技術の最近の進歩を包括的に調査する。
論文 参考訳（メタデータ） (2022-11-05T07:08:15Z) - Unsupervised Restoration of Weather-affected Images using Deep Gaussian
Process-based CycleGAN [92.15895515035795]
本稿では,CycleGANに基づくディープネットワークの監視手法について述べる。
我々は,より効果的なトレーニングにつながるCycleGANのトレーニングに新たな損失を導入し,高品質な再構築を実現した。
提案手法は, 脱落, 脱落, 脱落といった様々な修復作業に効果的に適用できることを実証する。
論文 参考訳（メタデータ） (2022-04-23T01:30:47Z) - A deep learning method based on patchwise training for reconstructing
temperature field [10.422905687540172]
本研究は、限られた観測から電子機器の温度場を正確に再構築するためのパッチワイズトレーニングに基づく新しい深層学習手法を提案する。
再構成された温度場の絶対誤差はパッチワイドトレーニング法で1K未満である。
論文 参考訳（メタデータ） (2022-01-26T10:42:23Z) - Physics-Informed Deep Reversible Regression Model for Temperature Field
Reconstruction of Heat-Source Systems [10.151316399254718]
本研究は, 熱源系の温度場再構成のための物理インフォームド深部可逆回帰モデルを開発した。
まず、熱源系の温度場再構成タスクを数学的に定義し、問題を数値的にモデル化し、さらに問題を画像から画像への回帰問題として変換する。
本研究は, 深部モデルの前方・後方伝播法則に基づいて, 境界付近の物理情報をよりよく学習できる深部可逆回帰モデルを開発する。
論文 参考訳（メタデータ） (2021-06-22T17:01:53Z) - Ensemble and Random Collaborative Representation-Based Anomaly Detector
for Hyperspectral Imagery [133.83048723991462]
ハイパースペクトル異常検出(HAD)のための新しいアンサンブルおよびランダム共同表現型検出器(ERCRD)を提案する。
4つの実超スペクトルデータセットを用いた実験により,提案手法の精度と効率を10段階法と比較した。
論文 参考訳（メタデータ） (2021-01-06T11:23:51Z)
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。