論文の概要: An artificial neural network approach to bifurcating phenomena in computational fluid dynamics

• arxiv url: http://arxiv.org/abs/2109.10765v1
• Date: Wed, 22 Sep 2021 14:42:36 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-23 13:30:45.953932
• Title: An artificial neural network approach to bifurcating phenomena in computational fluid dynamics
• Title（参考訳）: 計算流体力学における分岐現象に対する人工ニューラルネットワークアプローチ
• Authors: Federico Pichi and Francesco Ballarin and Gianluigi Rozza and Jan S. Hesthaven
• Abstract要約: 非線形パラメタライズドPDEの非滑らか解集合を扱うPOD-NN手法について論じる。 臨界点進化の非侵襲的回復のための縮小多様体ベースの分岐図を提案する。
• 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: This work deals with the investigation of bifurcating fluid phenomena using a reduced order modelling setting aided by artificial neural networks. We discuss the POD-NN approach dealing with non-smooth solutions set of nonlinear parametrized PDEs. Thus, we study the Navier-Stokes equations describing: (i) the Coanda effect in a channel, and (ii) the lid driven triangular cavity flow, in a physical/geometrical multi-parametrized setting, considering the effects of the domain's configuration on the position of the bifurcation points. Finally, we propose a reduced manifold-based bifurcation diagram for a non-intrusive recovery of the critical points evolution. Exploiting such detection tool, we are able to efficiently obtain information about the pattern flow behaviour, from symmetry breaking profiles to attaching/spreading vortices, even at high Reynolds numbers.
• Abstract（参考訳）: 本研究は、ニューラルネットワークを用いた減数次モデリング設定を用いた分岐流体現象の研究を扱っている。 非線形パラメタライズドPDEの非滑らか解集合を扱うPOD-NN手法について論じる。 そこで,Navier-Stokes方程式について述べる。 (i)チャネル内のcoanda効果、及び (ii) 領域の配置が分岐点の位置に及ぼす影響を考慮して, 物理・幾何学的多パラメータ設定における蓋駆動三角空洞流れについて。 最後に, 臨界点進化の非侵襲的回復のための縮小多様体ベースの分岐図を提案する。 このような検出ツールを駆使して,高レイノルズ数においても,対称性破壊プロファイルから着脱渦まで,パターンフローの挙動に関する情報を効率的に得ることができる。

関連論文リスト

• Kernel Approximation of Fisher-Rao Gradient Flows [52.154685604660465]
  本稿では,フィッシャー・ラオ型およびワッサーシュタイン型勾配流の勾配構造,流れ方程式,および核近似に関する厳密な研究を行う。 具体的には、フィッシャー・ラオ幾何学とその様々なカーネルに基づく近似に注目し、原理的な理論的枠組みを開発する。
  論文  参考訳（メタデータ） (2024-10-27T22:52:08Z)
• Using Parametric PINNs for Predicting Internal and External Turbulent Flows [6.387263468033964]
  提案するRANS-PINNフレームワークは,シリンダー上の流れの予測にのみ焦点をあてたものである。 本研究では,内流と外流の双方に対して,関連する乱流変数を予測する際の精度について検討する。
  論文  参考訳（メタデータ） (2024-10-24T17:08:20Z)
• Polyhedral Complex Derivation from Piecewise Trilinear Networks [5.558635708358242]
  神経表面表現学習の発展は、非線形位置符号化を取り入れている。 これは、Continuous Piecewise Affine関数に基づいたメッシュ抽出技術を適用する際の課題である。 本稿では,超曲面から平面への変換を示す理論的洞察と解析メッシュ抽出について述べる。
  論文  参考訳（メタデータ） (2024-02-16T02:01:24Z)
• Implicit Stochastic Gradient Descent for Training Physics-informed Neural Networks [51.92362217307946]
  物理インフォームドニューラルネットワーク(PINN)は、前方および逆微分方程式問題の解法として効果的に実証されている。 PINNは、近似すべきターゲット関数が高周波またはマルチスケールの特徴を示す場合、トレーニング障害に閉じ込められる。 本稿では,暗黙的勾配降下法(ISGD)を用いてPINNを訓練し,トレーニングプロセスの安定性を向上させることを提案する。
  論文  参考訳（メタデータ） (2023-03-03T08:17:47Z)
• Learning Discretized Neural Networks under Ricci Flow [51.36292559262042]
  低精度重みとアクティベーションからなる離散ニューラルネットワーク(DNN)について検討する。 DNNは、訓練中に微分不可能な離散関数のために無限あるいはゼロの勾配に悩まされる。
  論文  参考訳（メタデータ） (2023-02-07T10:51:53Z)
• Neural Basis Functions for Accelerating Solutions to High Mach Euler Equations [63.8376359764052]
  ニューラルネットワークを用いた偏微分方程式(PDE)の解法を提案する。 ニューラルネットワークの集合を縮小順序 Proper Orthogonal Decomposition (POD) に回帰する。 これらのネットワークは、所定のPDEのパラメータを取り込み、PDEに還元順序近似を計算する分岐ネットワークと組み合わせて使用される。
  論文  参考訳（メタデータ） (2022-08-02T18:27:13Z)
• Mean-field Analysis of Piecewise Linear Solutions for Wide ReLU Networks [83.58049517083138]
  勾配勾配勾配を用いた2層ReLUネットワークについて検討する。 SGDは単純な解に偏りがあることが示される。 また,データポイントと異なる場所で結び目が発生するという経験的証拠も提供する。
  論文  参考訳（メタデータ） (2021-11-03T15:14:20Z)
• Neural UpFlow: A Scene Flow Learning Approach to Increase the Apparent Resolution of Particle-Based Liquids [0.6882042556551611]
  本稿では,深層ニューラルネットワークを用いたシーンフロー推定に基づく高分解能液体の生成手法を提案する。 本手法は, 低分解能粒子ベース液体シミュレーションのみで, 小型・大規模の細部を推測, 合成する。
  論文  参考訳（メタデータ） (2021-06-09T15:36:23Z)
• A Deep Learning approach to Reduced Order Modelling of Parameter Dependent Partial Differential Equations [0.2148535041822524]
  パラメーター対解写像の効率的な近似法として,Deep Neural Networks に基づく構築的アプローチを開発した。 特に, パラメタライズド・アドベクション拡散PDEについて検討し, 強輸送場の存在下で方法論を検証した。
  論文  参考訳（メタデータ） (2021-03-10T17:01:42Z)
• An Ode to an ODE [78.97367880223254]
  我々は、O(d) 群上の行列フローに応じて主フローの時間依存パラメータが進化する ODEtoODE と呼ばれるニューラルODE アルゴリズムの新しいパラダイムを提案する。 この2つの流れのネストされたシステムは、訓練の安定性と有効性を提供し、勾配の消滅・爆発問題を確実に解決する。
  論文  参考訳（メタデータ） (2020-06-19T22:05:19Z)

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。