Unsupervised deep learning for super-resolution reconstruction of turbulence

Recent attempts to use deep learning for super-resolution reconstruction of turbulent flows have used supervised learning, which requires paired data for training. This limitation hinders more practical applications of super-resolution reconstruction. Therefore, we present an unsupervised learning m...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Journal of fluid mechanics Ročník 910
Hlavní autoři:	Kim, Hyojin, Kim, Junhyuk, Won, Sungjin, Lee, Changhoon
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Cambridge, UK Cambridge University Press 13.01.2021
Témata:	Channel flow Computational fluid dynamics Data Deep learning Direct numerical simulation Fields Fluid dynamics Fluid flow Isotropic turbulence JFM Papers Large eddy simulation Mathematical models Neural networks Noise Oceanic eddies Ordinary differential equations Reconstruction Resolution Reynolds number Simulation Training Turbulence turbulence simulation
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!