没有合适的资源?快使用搜索试试~ 我知道了~
Solver-in-the-Loop:求解器
共34个文件
py:22个
makefile:4个
jpg:2个
需积分: 11 0 下载量 85 浏览量
2021-03-12
22:12:12
上传
评论
收藏 3.89MB ZIP 举报
温馨提示
求解器 Kiwon Um,Robert Brand,Yun(Raymond)Fei,Philipp Holl,Nils是NeurIPS'20论文进行交互的源代码存储库。 Thuerey。 附加信息:, 。 抽象的: 在所有科学和工程学科中,找到偏微分方程(PDE)的精确解是一项至关重要的任务。 最近显示,机器学习方法可以通过校正离散化PDE无法捕获的效果来提高解决方案的准确性。 我们针对减少迭代PDE求解器的数值误差的问题,并比较了不同的学习方法以查找复杂的校正函数。 我们发现,以前使用的学习方法明显优于将求解器集成到训练循环中的方法,从而使模型在训练过程中与PDE交互。 这为模型提供了考虑到以前的修正的现实输入分布,通过数百次循环评估步骤的稳定推出,甚至超过了量身定制的监督变体,提高了准确性。 我们重点介绍了从非线性对流扩散系统到三维Navier-Stokes流的各种PDE的微分物理
资源推荐
资源详情
资源评论
收起资源包目录
Solver-in-the-Loop-master.zip (34个子文件)
Solver-in-the-Loop-master
burgers
burgers_train.py 24KB
burgers_pre.py 28KB
burgers_apply.py 7KB
burgers.py 9KB
tf_data.py 3KB
burgers_train_pre.py 22KB
Makefile 4KB
burgers_apply_pre.py 6KB
.gitattributes 72B
karman-2d-tf2
karman_apply.py 8KB
karman.py 7KB
tf_data.py 3KB
karman_train.py 25KB
Makefile 3KB
LICENSE 1KB
README.md 5KB
burgers-tf2
burgers_train.py 24KB
burgers_apply.py 8KB
burgers.py 9KB
tf_data.py 3KB
Makefile 4KB
resources
karman-2d-training-ref.jpg 48KB
SoL-teaser-github-notitle.jpeg 63KB
karman-2d-test.jpg 216KB
SoL-karman-3d-sideBySide.gif 3.53MB
.gitignore 2KB
karman-2d
karman_train_pre.py 19KB
karman_apply.py 7KB
karman_pre.py 27KB
karman.py 7KB
tf_data.py 3KB
karman_train.py 25KB
karman_apply_pre.py 7KB
Makefile 5KB
共 34 条
- 1
资源评论
实话直说
- 粉丝: 38
- 资源: 4592
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功