SURFNet: Super-Resolution of Turbulent Flows with Transfer Learning using Small Datasets

Deep Learning (DL) algorithms are emerging as a key alternative to computationally expensive CFD simulations. However, state-of-the-art DL approaches require large and high-resolution training data to learn accurate models. The size and availability of such datasets are a major limitation for the de...

Celý popis

Podrobná bibliografie

Vydáno v:	2021 30th International Conference on Parallel Architectures and Compilation Techniques (PACT) s. 331 - 344
Hlavní autoři:	Obiols-Sales, Octavi, Vishnu, Abhinav, Malaya, Nicholas P., Chandramowlishwaran, Aparna
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 01.09.2021
Témata:	computational fluid dynamics Computational modeling Data collection deep learning Geometry ML for science super-resolution Superresolution Training Training data Transfer learning turbulent flows
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!