Nonlinear mode decomposition with convolutional neural networks for fluid dynamics

We present a new nonlinear mode decomposition method to visualize decomposed flow fields, named the mode decomposing convolutional neural network autoencoder (MD-CNN-AE). The proposed method is applied to a flow around a circular cylinder at the Reynolds number $Re_{D}=100$ as a test case. The flow...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Journal of fluid mechanics Ročník 882
Hlavní autoři:	Murata, Takaaki, Fukami, Kai, Fukagata, Koji
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Cambridge Cambridge University Press 10.01.2020
Témata:	Activation Artificial neural networks Circular cylinders Computational fluid dynamics Cylinders Decomposition Dimensions Feature extraction Fields Flow mapping Fluid dynamics Fluid flow Fluid mechanics Hydrodynamics Machine learning Methods Modes Neural networks Nonlinear systems Nonlinearity Proper Orthogonal Decomposition Reynolds number Velocity
ISSN:	0022-1120, 1469-7645
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!