A Python Toolbox for Data-Driven Aerodynamic Modeling Using Sparse Gaussian Processes

In aerodynamics, characterizing the aerodynamic behavior of aircraft typically requires a large number of observation data points. Real experiments can generate thousands of data points with suitable accuracy, but they are time-consuming and resource-intensive. Consequently, conducting real experime...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	Aerospace Jg. 11; H. 4; S. 260
Hauptverfasser:	Valayer, Hugo, Bartoli, Nathalie, Castaño-Aguirre, Mauricio, Lafage, Rémi, Lefebvre, Thierry, López-Lopera, Andrés F., Mouton, Sylvain
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	Basel MDPI AG 01.04.2024 MDPI
Schlagworte:	Accuracy Aerodynamics Aircraft aerodynamics Analysis Approximation Complexity Data points Datasets Engineering Sciences Gaussian process Gaussian processes Parameter estimation Physics Random variables sparse methods surrogate modeling variational inference wind tunnel test Wind tunnels France surrogate modeling sparse methods wind tunnel test variational inference
ISSN:	2226-4310, 2226-4310
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Schreiben Sie den ersten Kommentar!