流體力學(xué)深度學(xué)習(xí)建模技術(shù)進(jìn)展 
根據(jù)作者相關(guān)研究經(jīng)驗(yàn)和初步認(rèn)識(shí)，深度學(xué)習(xí)技術(shù)在流體力學(xué)中的應(yīng)用主要面臨以下挑戰(zhàn)和需要盡快突破的科學(xué)問題：1) 數(shù)據(jù)構(gòu)造與學(xué)習(xí)方式；2) 神經(jīng)網(wǎng)絡(luò)超參數(shù)和激活函數(shù)選取；3) 訓(xùn)練方法；4) 可靠性問題；5) 深度學(xué)習(xí)與流體力學(xué)的深度融合；6) 流體力學(xué)標(biāo)準(zhǔn)數(shù)據(jù)集的構(gòu)造；7）空氣動(dòng)力數(shù)字孿生技術(shù)；8）數(shù)據(jù)驅(qū)動(dòng)的流體力學(xué)研究新范式構(gòu)建。
3020 5 2
CFD流體分析 ??? 4年前
深度學(xué)習(xí)驅(qū)動(dòng)的流體力學(xué)計(jì)算 
2、全方位技能提升：涵蓋經(jīng)典流體力學(xué)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、實(shí)驗(yàn)流體力學(xué)、計(jì)算流體動(dòng)力學(xué)、時(shí)空超分辨率、深度強(qiáng)化學(xué)習(xí)等核心知識(shí)，全方位提升您的流體力學(xué)計(jì)算與應(yīng)用能力。 3、專業(yè)優(yōu)質(zhì)資源：提供豐富案例數(shù)據(jù)與代碼資源，確保學(xué)習(xí)效果與實(shí)踐體驗(yàn)。
2383
hdpky ??? 2年前
深度學(xué)習(xí)驅(qū)動(dòng)的流體力學(xué)計(jì)算與應(yīng)用 
關(guān)于舉辦“深度學(xué)習(xí)驅(qū)動(dòng)的流體力學(xué)計(jì)算與應(yīng)用”實(shí)戰(zhàn)培訓(xùn)會(huì)議的通知一、背景： 在深度學(xué)習(xí)與流體力學(xué)深度融合的背景下，科研邊界不斷拓展，創(chuàng)新成果層出不窮。從物理模型融合到復(fù)雜流動(dòng)模擬，從數(shù)據(jù)驅(qū)動(dòng)研究到流場智能分析，深度學(xué)習(xí)正以前所未有的力量重塑流體力學(xué)領(lǐng)域。
2209
hdpky ??? 2年前
流體力學(xué)深度學(xué)習(xí)建模技術(shù)研究進(jìn)展 
以流體力學(xué)深度學(xué)習(xí)技術(shù)為背景，結(jié)合課題組近期研究結(jié)果，探討了流體力學(xué)深度學(xué)習(xí)建模技術(shù)及其最新進(jìn)展。首先，對(duì)深度學(xué)習(xí)技術(shù)所涉及的基本理論做了介紹，闡釋流場建模中常用深度學(xué)習(xí)方法背后的數(shù)學(xué)原理。其次，分別對(duì)流體力學(xué)控制方程、流場重構(gòu)、特征量建模和應(yīng)用等幾個(gè)典型的人工智能與流體力學(xué)交叉問題應(yīng)用場景所涉及的深度學(xué)習(xí)技術(shù)研究進(jìn)展進(jìn)行了介紹。最后，探討了流體力學(xué)深度學(xué)習(xí)建模技術(shù)所面臨的挑戰(zhàn)與未來發(fā)展趨勢(shì)。
2200
龍騰AI技術(shù) ??? 3年前
【深度學(xué)習(xí)驅(qū)動(dòng)的流體力學(xué)計(jì)算與應(yīng)用】專題 
基于深度學(xué)習(xí)的流場時(shí)序超分辨率處理基于深度強(qiáng)化學(xué)習(xí)的矩形柱體主動(dòng)流動(dòng)控制運(yùn)用深度強(qiáng)化學(xué)習(xí)進(jìn)行離散動(dòng)作空間/連續(xù)動(dòng)作空間的優(yōu)化耦合代理模型的深度強(qiáng)化學(xué)習(xí)在民航飛機(jī)外形優(yōu)化中的應(yīng)用前沿文獻(xiàn)的解讀，如SORA技術(shù)、風(fēng)烏技術(shù)等，了解人工智能技術(shù)在流體力學(xué)領(lǐng)域的最新進(jìn)展，保持學(xué)術(shù)前沿性可在某公某號(hào)咨詢：研而有信er （加關(guān)后有聯(lián)系方式可詳詢）
2143
用戶_43283 ??? 2年前
【基于openfoam&fluent深度學(xué)習(xí)算法驅(qū)動(dòng)的流體力學(xué)設(shè)計(jì)與應(yīng)用】專題 
深度學(xué)習(xí)模型求解可壓縮流體力學(xué)方程Python編程實(shí)現(xiàn)反向追蹤算法前沿技術(shù)深度聚焦理論與實(shí)踐結(jié)合，新興技術(shù)探討【openfoam深度學(xué)習(xí)驅(qū)動(dòng)的流體力學(xué)計(jì)算與應(yīng)用】專題基于OpenFOAM的矩形柱體LES模擬案例基于python語言的CFD數(shù)據(jù)后處理運(yùn)用Python處理實(shí)驗(yàn)數(shù)據(jù)基于人工智能技術(shù)的流場預(yù)測與重構(gòu)方法運(yùn)用UNet算法進(jìn)行壓力時(shí)序預(yù)測
2635
用戶_43283 ??? 1年前
深度學(xué)習(xí)與流體力學(xué)結(jié)合 
3、深入理解深度學(xué)習(xí)與湍流超分辨率的耦合機(jī)制。實(shí)操環(huán)節(jié)：1、基于深度學(xué)習(xí)的流場時(shí)序超分辨率處理（數(shù)據(jù)與代碼提供給學(xué)員）實(shí)驗(yàn)流體力學(xué)與人工智能四、實(shí)驗(yàn)流體力學(xué)核心知識(shí)點(diǎn)：1、掌握實(shí)驗(yàn)流體力學(xué)的基礎(chǔ)知識(shí)，了解相關(guān)實(shí)驗(yàn)設(shè)備。2、了解機(jī)器學(xué)習(xí)技術(shù)在實(shí)驗(yàn)流體力學(xué)中的應(yīng)用。3、掌握Python語言進(jìn)行實(shí)驗(yàn)數(shù)據(jù)的后處理，增強(qiáng)數(shù)據(jù)處理能力。4、風(fēng)洞試驗(yàn)
186
力學(xué)AI有限元 ??? 1年前
關(guān)于計(jì)算流體力學(xué)，你知道多少？ 附計(jì)算流體力學(xué)從實(shí)踐中學(xué)習(xí)下載 
缺點(diǎn)是內(nèi)存和計(jì)算量巨大，并行不如有限差分法和有限體積法直觀。 有限體積法：適用于流體計(jì)算，可以應(yīng)用于不規(guī)則網(wǎng)格，適用于并行。但是精度基本上只能是二階。有線單元法在應(yīng)力應(yīng)變，高頻電磁場方面的特殊優(yōu)點(diǎn)正在被人重視。 下載地址：計(jì)算流體力學(xué)從實(shí)踐中學(xué)習(xí)
2763 4 4
飛行家孫 ??? 4年前
流體力學(xué)遇見深度學(xué)習(xí)：揭示微觀流動(dòng)背后的智能力量 
直播背景：近年來，隨著人工智能技術(shù)的迅猛發(fā)展，深度學(xué)習(xí)與物理建模的融合正在重塑傳統(tǒng)計(jì)算科學(xué)格局。特別是在流體力學(xué)與多孔介質(zhì)滲流模擬領(lǐng)域，面對(duì)微觀結(jié)構(gòu)復(fù)雜、參數(shù)不確定性高、傳統(tǒng)數(shù)值方法計(jì)算成本昂貴等問題，基于數(shù)據(jù)驅(qū)動(dòng)或物理引導(dǎo)的深度學(xué)習(xí)方法展現(xiàn)出前所未有的潛力。
45
技術(shù)鄰直播 ??? 1年前
深度學(xué)習(xí)驅(qū)動(dòng)的流體力學(xué)計(jì)算
2131 1
hdpky ??? 2年前
融合深度學(xué)習(xí)與CAE技術(shù)的結(jié)構(gòu)分析與優(yōu)化設(shè)計(jì)：一種新興的數(shù)值方法”提升工程仿真效率 
疲勞斷裂材料力學(xué)的傳統(tǒng)分析方法在面對(duì)多維度、多物理場的復(fù)雜問題時(shí)，往往需要大量的實(shí)驗(yàn)數(shù)據(jù)支持，并且計(jì)算過程繁瑣。而人工智能，特別是深度學(xué)習(xí)的應(yīng)用，正在推動(dòng)材料科學(xué)領(lǐng)域的革命。通過將物理學(xué)定律與深度學(xué)習(xí)模型結(jié)合，如物理信息神經(jīng)網(wǎng)絡(luò)（PINN），工程師可以實(shí)現(xiàn)更為精確的疲勞與斷裂分析。
2549 1
.w. ??? 12月前
【直播回放】深度學(xué)習(xí)流體力學(xué)基礎(chǔ)與實(shí)踐 
機(jī)器學(xué)習(xí) 流體力學(xué) 人工智能
878
技術(shù)鄰公告 ??? 4月前
LS-DYNA人工智能多尺度計(jì)算技術(shù)及其在注塑成型復(fù)合材料領(lǐng)域的應(yīng)用 
最近，LS-DYNA基于人工智能技術(shù)發(fā)展了一套嶄新的數(shù)據(jù)驅(qū)動(dòng)多尺度計(jì)算技術(shù)，該技術(shù)集成了注塑成型過程模擬、材料多尺度力學(xué)建模、結(jié)構(gòu)非線性有限元分析，以及基于物理的機(jī)器學(xué)習(xí)方法“深度材料網(wǎng)絡(luò)（DMN）”。DMN可以通過離線訓(xùn)練學(xué)習(xí)隱藏在材料代表性體積單元（RVE）中的微尺度材料物理規(guī)律，經(jīng)過訓(xùn)練的DMN模型能夠準(zhǔn)確地預(yù)測復(fù)合材料的非線性力學(xué)行為，并且其計(jì)算速度比傳統(tǒng)多尺度有限元模型快多個(gè)數(shù)量級(jí)。
5228 7 1
Ansys中國 ??? 2年前
LS-DYNA人工智能多尺度計(jì)算技術(shù)及其在注塑成型復(fù)合材料領(lǐng)域的應(yīng)用
最近，LS-DYNA基于人工智能技術(shù)發(fā)展了一套嶄新的數(shù)據(jù)驅(qū)動(dòng)多尺度計(jì)算技術(shù)，該技術(shù)集成了注塑成型過程模擬、材料多尺度力學(xué)建模、結(jié)構(gòu)非線性有限元分析，以及基于物理的機(jī)器學(xué)習(xí)方法“深度材料網(wǎng)絡(luò)（DMN）”。DMN可以通過離線訓(xùn)練學(xué)習(xí)隱藏在材料代表性體積單元（RVE）中的微尺度材料物理規(guī)律，經(jīng)過訓(xùn)練的DMN模型能夠準(zhǔn)確地預(yù)測復(fù)合材料的非線性力學(xué)行為，并且其計(jì)算速度比傳統(tǒng)多尺度有限元模型快多個(gè)數(shù)量級(jí)。
3912 1
仿真客 ??? 2年前
深度學(xué)習(xí)|會(huì)開發(fā)AI的AI：超網(wǎng)絡(luò)有望讓深度學(xué)習(xí)大眾化 
會(huì)開發(fā)AI的AI：超網(wǎng)絡(luò)有望讓深度學(xué)習(xí)大眾化超網(wǎng)絡(luò)（hypernetwork）可以加快訓(xùn)練AI的過程。編者按：在執(zhí)行特定類型任務(wù)，如圖像識(shí)別、語音識(shí)別等方面，AI已經(jīng)可以與人類相媲美了，甚至有時(shí)候已經(jīng)超越了人類。但這些AI事先必須經(jīng)過訓(xùn)練，而訓(xùn)練是個(gè)既耗時(shí)又耗計(jì)算能力的過程，有上百萬甚至幾十億的參數(shù)需要優(yōu)化。但最近研究人員做出了能瞬時(shí)預(yù)測參數(shù)的超網(wǎng)絡(luò)。
2115 2
龍騰AI技術(shù) ??? 3年前
深度學(xué)習(xí)|基于MobileNet的多目標(biāo)跟蹤深度學(xué)習(xí)算法 
本文針對(duì)算法的實(shí)時(shí)性問題, 結(jié)合深度學(xué)習(xí)目標(biāo)檢測、深度網(wǎng)絡(luò)模型壓縮以及多目標(biāo)跟蹤算法, 提出基于MobileNet的多目標(biāo)跟蹤算法, 在保證精度的前提下, 有效改善深度網(wǎng)絡(luò)模型龐大以及計(jì)算復(fù)雜的問題, 提高了算法的執(zhí)行速度.1 YOLOv3目標(biāo)檢測算法YOLOv3算法的基本思想是: 將輸入圖像分割為S×S 個(gè)單元格, 每個(gè)單元格用于檢測中心點(diǎn)落在該網(wǎng)格內(nèi)的目標(biāo), 并預(yù)測B 個(gè)邊界框和置信度
2441 1
龍騰AI技術(shù) ??? 3年前
基于深度學(xué)習(xí)的多目標(biāo)跟蹤算法原理 
如果考慮已有軌跡與檢測之間的匹配，采用深度學(xué)習(xí)方法可以用于設(shè)計(jì)并計(jì)算軌跡之間的匹配相似度，這種方法可以認(rèn)為是基于深度學(xué)習(xí)的高階特征匹配方法。使用深度學(xué)習(xí)計(jì)算高階特征匹配算法，可以學(xué)習(xí)多幀表現(xiàn)特征的高階匹配相似度，也可以學(xué)習(xí)運(yùn)動(dòng)特征的匹配相關(guān)度。下面將通過對(duì)基于孿生網(wǎng)絡(luò)的深度學(xué)習(xí)多目標(biāo)跟蹤算法的詳細(xì)介紹，來說明基于深度學(xué)習(xí)的多目標(biāo)跟蹤算法的詳細(xì)步驟。
3204
駕駛哥 ??? 4年前
GSH-PCA方案結(jié)合機(jī)器學(xué)習(xí)實(shí)現(xiàn)晶體塑性力學(xué)響應(yīng)的快速預(yù)測 
該研究提出了一種全新的數(shù)據(jù)驅(qū)動(dòng)代理模型框架，能夠?qū)⑽⒂^織構(gòu)與宏觀拉伸力學(xué)響應(yīng)無縫連接，在保證極高精度的同時(shí)，將計(jì)算效率提升了驚人的1000倍 ！以下是該研究框架的幾大核心創(chuàng)新與實(shí)用亮點(diǎn)：1. 微觀織構(gòu)的“高保真降維打擊”傳統(tǒng)的取向分布函數(shù)（ODF）維度極高，難以直接輸入機(jī)器學(xué)習(xí)模型 。
538
晶體塑性有限元 ??? 6天前
深度學(xué)習(xí)逼近死胡同，拐點(diǎn)已至 
試圖在沒有這些知識(shí)的情況下構(gòu)建 AGI（Artificial General Intelligence），而不是像純粹的深度學(xué)習(xí)那樣從頭開始重新學(xué)習(xí)所有東西，這似乎是一種過度而魯莽的負(fù)擔(dān) 即使在像算術(shù)這樣有序的領(lǐng)域中，深度學(xué)習(xí)本身也在繼續(xù)掙扎，混合系統(tǒng)可能比任何一個(gè)系統(tǒng)都具有更大的潛力 在計(jì)算基本方面，符號(hào)仍然遠(yuǎn)遠(yuǎn)超過當(dāng)前的神經(jīng)網(wǎng)絡(luò)
2048
木火柴 ??? 4年前
CFD專欄丨基于幾何深度學(xué)習(xí)的車輛空氣動(dòng)力學(xué)快速預(yù)測 
幾何深度學(xué)習(xí)在復(fù)雜模型流體力學(xué)模擬中展現(xiàn)出革命性潛力：實(shí)現(xiàn)實(shí)時(shí)仿真，推動(dòng)快速設(shè)計(jì)優(yōu)化。幾何深度學(xué)習(xí)的預(yù)測精度不僅依賴于訓(xùn)練樣本的可靠性，樣本數(shù)量，樣本的多樣性。訓(xùn)練方法，如超參數(shù)的微調(diào)，聚類方法，離群值的識(shí)別等因素也會(huì)產(chǎn)生顯著影響。
3104 1 1
ALTAIR ??? 7月前
20條/頁 
49 跳至頁
技術(shù)鄰APP
工程師必備
工程師必備
- 項(xiàng)目客服
- 培訓(xùn)客服
- 平臺(tái)客服
TOP
