Multi-level convolutional autoencoder networks for parametric prediction of spatio-temporal dynamics

A data-driven framework is proposed towards the end of predictive modeling of complex spatio-temporal dynamics, leveraging nested non-linear manifolds. Three levels of neural networks are used, with the goal of predicting the future state of a system of interest in a parametric setting. A convolutio...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Computer methods in applied mechanics and engineering Ročník 372; s. 113379
Hlavní autoři:	Xu, Jiayang, Duraisamy, Karthik
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Amsterdam Elsevier B.V 01.12.2020 Elsevier BV
Témata:	Autoencoders Convolutional neural networks Data-driven modeling Machine learning Mathematical models Model reduction Modelling Neural networks Nonlinear dynamics Parameters Prediction models Reduced order modeling Spatial data Training Wave propagation Data-driven modeling Convolutional neural networks Autoencoders Reduced order modeling Machine learning
ISSN:	0045-7825, 1879-2138
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!