論文の概要: Unsupervised machine-learning shock-capturing technique for high-order solvers

• arxiv url: http://arxiv.org/abs/2308.00086v2
• Date: Mon, 7 Aug 2023 16:04:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-08 20:17:44.198728
• Title: Unsupervised machine-learning shock-capturing technique for high-order solvers
• Title（参考訳）: 高次解法のための教師なし機械学習ショックキャプチャ技術
• Authors: Andr\'es Mateo-Gab\'in, Kenza Tlales, Eusebio Valero, Esteban Ferrer, Gonzalo Rubio
• Abstract要約: ガウス混合モデル(GMM)に基づく教師なし機械学習ショックキャプチャーアルゴリズムを提案する。 提案したGMMセンサは衝撃検出において顕著な精度を示し,パラメータチューニングを必要とせず,多種多様なテストケースに対して堅牢である。 本研究は,高度なCFD符号の堅牢性と効率を向上させるため,GMMセンサで実証した教師なし機械学習手法の可能性を明らかにする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a novel unsupervised machine learning shock capturing algorithm based on Gaussian Mixture Models (GMMs). The proposed GMM sensor demonstrates remarkable accuracy in detecting shocks and is robust across diverse test cases without the need for parameter tuning. We compare the GMM-based sensor with state-of-the-art alternatives. All methods are integrated into a high-order compressible discontinuous Galerkin solver where artificial viscosity can be modulated to capture shocks. Supersonic test cases, including high Reynolds numbers, showcase the sensor's performance, demonstrating the same effectiveness as fine-tuned state-of-the-art sensors. %The nodal DG aproach allows for potential applications in sub-cell flux-differencing formulations, supersonic feature detection, and mesh refinement. The adaptive nature and ability to function without extensive training datasets make this GMM-based sensor suitable for complex geometries and varied flow configurations. Our study reveals the potential of unsupervised machine learning methods, exemplified by the GMM sensor, to improve the robustness and efficiency of advanced CFD codes.
• Abstract（参考訳）: 本稿では,ガウス混合モデル(gmms)に基づく教師なし機械学習ショックキャプチャアルゴリズムを提案する。 提案したGMMセンサは衝撃検出において顕著な精度を示し,パラメータチューニングを必要としない多種多様なテストケースに対して堅牢である。 GMMを用いたセンサと最先端のセンサを比較した。 全ての方法は高次圧縮性不連続ガレルキン解法に統合され、人工粘度を変調して衝撃を捉えることができる。 高レイノルズ数を含む超音速テストケースは、センサーの性能を示し、最先端のセンサーと同じ効果を示している。 %のnodal dg aproachは, サブセルフラックス拡散法, 超音速特徴検出, メッシュ微細化における潜在的な応用を可能にする。 広範囲なトレーニングデータセットなしで機能する適応特性と能力により、このGMMベースのセンサーは複雑なジオメトリと様々なフロー構成に適している。 本研究は,高度なCFD符号の堅牢性と効率を向上させるため,GMMセンサで実証した教師なし機械学習手法の可能性を明らかにする。

関連論文リスト

• One Masked Model is All You Need for Sensor Fault Detection, Isolation and Accommodation [1.0359008237358598]
  マスク付きモデルと自己教師型学習を用いたセンサ故障検出のための新しいフレームワークを提案する。 提案手法を,オフショアGE風力タービンのパブリックデータセットと実世界のデータセットの両方で検証する。 提案手法は,センサ計測の精度と信頼性をリアルタイムに向上する可能性がある。
  論文  参考訳（メタデータ） (2024-03-24T13:44:57Z)
• Model-aware reinforcement learning for high-performance Bayesian experimental design in quantum metrology [0.5461938536945721]
  量子センサは、様々なパラメータにわたる実験者による操作を可能にすることで、推定中に制御の柔軟性を提供する。 量子力学、推定、仮説テストにおいて、幅広い問題を最適化できる汎用的な手順を導入する。 粒子フィルタリングに基づくモデル認識強化学習(RL)とベイズ推定を組み合わせた。
  論文  参考訳（メタデータ） (2023-12-28T12:04:15Z)
• Detection of Sensor-To-Sensor Variations using Explainable AI [2.2956649873563952]
  化学抵抗性ガス検知装置は製造中のセンサの変動の問題に悩まされている。 本研究では、SHAP(SHAP)のAI(XAI)法を用いて、センサデバイスにおけるセンサとセンサの変動を検出する新しい手法を提案する。 本手法は,GRU(Gated Recurrent Unit)モデルをトレーニングするために,人工的および現実的なオゾン濃度プロファイルを用いて試験する。
  論文  参考訳（メタデータ） (2023-06-19T11:00:54Z)
• Support Vector Machine for Determining Euler Angles in an Inertial Navigation System [55.41644538483948]
  本稿では,機械学習(ML)法を用いたMEMSセンサを用いた慣性ナビゲーションシステムの精度向上について論じる。 提案アルゴリズムは,MEMSセンサに典型的なノイズの存在を正しく分類できることを実証した。
  論文  参考訳（メタデータ） (2022-12-07T10:01:11Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
  我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。 信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
  論文  参考訳（メタデータ） (2022-06-29T23:22:18Z)
• Optimal control of a nitrogen-vacancy spin ensemble in diamond for sensing in the pulsed domain [52.77024349608834]
  固体材料の欠陥は、量子センシングに理想的なプラットフォームを提供する。 このようなアンサンブルの制御は、欠陥エネルギーレベルとマクロサンプル間の任意の制御領域の両方の空間的変動のために困難である。 Floquet理論と最適制御最適化法を用いて,これらの課題を克服できることを実験的に実証した。
  論文  参考訳（メタデータ） (2021-01-25T13:01:05Z)
• Deep Autoencoding GMM-based Unsupervised Anomaly Detection in Acoustic Signals and its Hyper-parameter Optimization [8.226263448238393]
  音響信号に基づく教師なし異常検出への既存のアプローチは、異常検出性能が劣る。 超パラメータ最適化(DAGMM-HO)を用いたディープオートエンコードガウス混合モデルに基づく新しい手法を提案する。 提案手法を産業ファンの実験データを用いて評価した結果,従来の手法よりも有意に優れ,標準AUCスコアによる最大20%の改善が得られた。
  論文  参考訳（メタデータ） (2020-09-25T06:14:59Z)
• SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier Detection [63.253850875265115]
  外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。 そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
  論文  参考訳（メタデータ） (2020-03-11T00:22:50Z)
• Improving Sampling Accuracy of Stochastic Gradient MCMC Methods via Non-uniform Subsampling of Gradients [54.90670513852325]
  サンプリング精度を向上させるための一様でないサブサンプリング手法を提案する。 EWSGは、一様勾配MCMC法がバッチ勾配MCMC法の統計的挙動を模倣するように設計されている。 EWSGの実践的な実装では、データインデックス上のMetropolis-Hastingsチェーンを介して、一様でないサブサンプリングを効率的に行う。
  論文  参考訳（メタデータ） (2020-02-20T18:56:18Z)

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。