2016 KDD卷积神经网络用于稳态流动逼近
发布时间
阅读量：
阅读量
本文简介
早期空气动力学领域的数值模拟主要依赖于传统的CFD技术。然而这种方法在计算资源上的消耗较高。我们提出了一种基于卷积神经网络的新方法，在误差允许范围内相比传统CFD方法，在GPU加速环境下其效率提升了多个数量级。这一创新方法显著缩短了产品设计周期，并通过结合CFD模拟数据与实际测试数据实现了对2D与3D非均匀稳定层流状态的有效预测。
本文提出的模型模型步骤：
通过SDF(Signed Distance Function)来表示神经网络的输入。一通道编码器输入模型图。多通道解码器输出每个方向的速度分量结果。
数据集中基于标准几何形状（三角型正方形五角型六角型十二角型）构成训练集合验证集合共计一百万个样例其中每一种形状包含约两千万个样例而验证集合则计为一千个样例每种形状约一千个样例作为测试集合使用车辆用于测试合.
三维数据集中由四百万单位数随机生成的球面与矩形成组合体.
网络模型如图所示：
还没有任何评论哟~