Convolutional autoencoders, clustering, and POD for low-dimensional parametrization of flow equations

Simulations of large-scale dynamical systems require expensive computations and large amounts of storage. Low-dimensional representations of high-dimensional states such as in reduced order models deriving from, say, Proper Orthogonal Decomposition (POD) trade in a reduced model complexity against a...

Celý popis

Podrobná bibliografie

Vydáno v:	Computers & mathematics with applications (1987) Ročník 175; s. 49 - 61
Hlavní autoři:	Heiland, Jan, Kim, Yongho
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier Ltd 01.12.2024
Témata:	Clustering Convolutional autoencoders Linear parameter varying (LPV) systems Model order reduction Linear parameter varying (LPV) systems Model order reduction Convolutional autoencoders Clustering
ISSN:	0898-1221
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!