Fugu-MT 論文翻訳(概要): Two-dimensional mesh generator in generalized coordinates implemented in Python

論文の概要: Two-dimensional mesh generator in generalized coordinates implemented in Python

arxiv url: http://arxiv.org/abs/2110.12875v1
Date: Sun, 17 Oct 2021 20:42:18 GMT
ステータス: 処理完了
システム内更新日: 2023-03-11 06:16:28.833413
Title: Two-dimensional mesh generator in generalized coordinates implemented in Python
Title（参考訳）: pythonで実装した一般化座標における2次元メッシュ生成
Authors: Gustavo Taiji Naozuka, Saulo Martiello Mastelini, Eliandro Rodrigues Cirilo, Neyva Maria Lopes Romeiro and Paulo Laerte Natti
Abstract要約: 本稿では,パラメトリック線形スプライン法と偏微分方程式を用いた一般化座標の2次元メッシュ生成器を提案する。ジェネレータは自動化されており、実際の複雑なドメインを処理できる。
参考スコア（独自算出の注目度）: 1.1744028458220428
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Through mathematical models, it is possible to turn a problem of the physical domain into the computational domain. In this context, the paper presents a two-dimensional mesh generator in generalized coordinates, which uses the Parametric Linear Spline method and partial differential equations. The generator is automated and able to treat real complex domains. The code was implemented in Python, applying the Numpy and Matplotlib libraries to matrix manipulations and graphical plots, respectively. Applications are made for monoblock meshes (two-dimensional shape of a bottle) and multi-block meshes (geometry of Igap\'o I lake, Londrina, Paran\'a, Brazil).
Abstract（参考訳）: 数学的モデルを通じて、物理領域の問題を計算領域に変換することができる。本稿では, パラメトリック線形スプライン法と偏微分方程式を用いた, 一般化座標における2次元メッシュ生成器を提案する。ジェネレータは自動化され、実際の複雑なドメインを扱える。コードはPythonで実装され、NumpyライブラリとMatplotlibライブラリをそれぞれマトリックス操作とグラフィカルプロットに応用した。モノブロックメッシュ(ボトルの2次元形状)とマルチブロックメッシュ(ブラジルのパラn\'a, londrina, igap\'o i lakeのジオメトリ)に応用される。

関連論文リスト

TopoX: A Suite of Python Packages for Machine Learning on Topological Domains [89.9320422266332]
TopoXはPythonのソフトウェアスイートで、トポロジ上のコンピューティングと機械学習のための信頼性とユーザフレンドリなビルディングブロックを提供する。 TopoXは、TopoNetX、TopoEmbedX、TopoModelxの3つのパッケージで構成されている。
論文参考訳（メタデータ） (2024-02-04T10:41:40Z)
Polygon Detection for Room Layout Estimation using Heterogeneous Graphs and Wireframes [2.76240219662896]
本稿では,部屋配置推定タスクを解くネットワーク手法を提案する。ネットワークはRGB画像を撮り、ワイヤーフレームと時間ガラスのバックボーンを使ってスペースを推定する。
論文参考訳（メタデータ） (2023-06-21T11:55:15Z)
Mesh Convolution with Continuous Filters for 3D Surface Parsing [101.25796935464648]
本稿では、3次元トライアングルメッシュから効果的な幾何学的特徴学習のための一連のモジュラー演算を提案する。メッシュ畳み込みは球面調和を正規直交基底として利用し、連続畳み込みフィルタを生成する。さらに,PicassoNet++という3次元表面の知覚解析のための新しい階層型ニューラルネットワークを提案する。
論文参考訳（メタデータ） (2021-12-03T09:16:49Z)
Unfolding Projection-free SDP Relaxation of Binary Graph Classifier via GDPA Linearization [59.87663954467815]
アルゴリズムの展開は、モデルベースのアルゴリズムの各イテレーションをニューラルネットワーク層として実装することにより、解釈可能で類似のニューラルネットワークアーキテクチャを生成する。本稿では、Gershgorin disc perfect alignment (GDPA)と呼ばれる最近の線形代数定理を利用して、二進グラフの半定値プログラミング緩和(SDR)のためのプロジェクションフリーアルゴリズムをアンロールする。実験結果から,我々の未学習ネットワークは純粋モデルベースグラフ分類器よりも優れ,純粋データ駆動ネットワークに匹敵する性能を示したが,パラメータははるかに少なかった。
論文参考訳（メタデータ） (2021-09-10T07:01:15Z)
Shape Modeling with Spline Partitions [3.222802562733787]
本稿では,曲線で領域を分割する並列化ベイズ非パラメトリック手法を提案する。我々はHIV-1感染したヒトマクロファージ画像データセットに本手法を適用し、また、我々のアプローチを説明するためのデータセットのシミュレーションを行った。
論文参考訳（メタデータ） (2021-08-05T10:33:05Z)
Full interpretable machine learning in 2D with inline coordinates [9.13755431537592]
これは、n次元空間におけるn次元データを扱う必要がない完全な機械学習アプローチである。 2次元空間におけるn-Dパターンの発見は、2次元空間におけるn-Dデータのグラフ表現を用いてn-D情報を失うことなく可能である。これらのインライン座標に基づく分類と回帰アルゴリズムを導入した。
論文参考訳（メタデータ） (2021-06-14T16:21:06Z)
Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
論文参考訳（メタデータ） (2020-10-23T14:49:02Z)
On Path Integration of Grid Cells: Group Representation and Isotropic Scaling [135.0473739504851]
格子セルによる経路積分の一般的な表現モデルの理論的解析を行う。我々は、歯列脳の格子細胞の同様の性質を共有する六角形格子パターンを学習する。学習したモデルは、正確な長距離経路積分を行うことができる。
論文参考訳（メタデータ） (2020-06-18T03:44:35Z)
Geomstats: A Python Package for Riemannian Geometry in Machine Learning [5.449970675406181]
非線形方程式の計算と統計のためのオープンソースのPythonツールボックスであるGeomstatsを紹介した。オブジェクト指向で広範な単体テスト実装を提供しています。微分幾何学と統計学の研究を促進するため,Geomstatsは信頼性の高いビルディングブロックを提供する。ソースコードはMITライセンスのもと、urlgeomstats.aiで無料で入手できる。
論文参考訳（メタデータ） (2020-04-07T20:41:50Z)
PUGeo-Net: A Geometry-centric Network for 3D Point Cloud Upsampling [103.09504572409449]
PUGeo-Netと呼ばれる新しいディープニューラルネットワークを用いた一様高密度点雲を生成する手法を提案する。その幾何学中心の性質のおかげで、PUGeo-Netはシャープな特徴を持つCADモデルとリッチな幾何学的詳細を持つスキャンされたモデルの両方でうまく機能する。
論文参考訳（メタデータ） (2020-02-24T14:13:29Z)

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。