融合物理模型的神经网络应用探索
Posted 力学与人工智能
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了融合物理模型的神经网络应用探索相关的知识,希望对你有一定的参考价值。
当前智能化方法在流体力学领域中的应用已经越来越广泛。然而,许多实际工程任务都缺少丰富的训练数据,为建立智能的解决方案带来了较大的困难。本报告试图采取将现有的物理规律、理论模型等与神经网络结合起来,探索采用较少的数据训练神经网络的模式,为解决工程实际问题提供参考。报告主要通过两个案例对该思路进行说明:一是针对水下发射空泡复杂演化,在发射环境、条件等输入数据基础上,引入理想气泡动力学的数值解作为辅助,采用CNN、U-net网络结构和多尺度网络组合模式,实现了空泡内部压力-时间曲线的重构;二是针对离心泵的性能预测,将传统理论预测模型融入到神经网络结构中,大大降低了单独使用神经网络对于样本量的依赖性,提升了离心泵性能的预测精度。
链接:https://pan.baidu.com/s/10nVFohVV1R_s_RY74_pePg
提取码:s1ya
END
以上是关于融合物理模型的神经网络应用探索的主要内容,如果未能解决你的问题,请参考以下文章
CS231n 卷积神经网络与计算机视觉 7 神经网络训练技巧汇总 梯度检验 参数更新 超参数优化 模型融合 等
从Encoder-Decoder模型入手,探索语境偏移解决之道