基于物理的数据驱动模型的无监督数据补全方法
简历:数据驱动方法是一种创新的工程和科学无模型方法,目前仍处于成熟阶段。背后的想法是将数据分析技术结合起来,以处理来自连续监测或实验测量的大量数据,以及普遍物理定律施加的限制,特别是对手中的领域。前者中的一个众所周知的问题是可用数据的质量和完整性,有时这些数据太差,以致于预测毫无用处。在基于数据驱动仿真的工程与科学(DDSBES)中,内在的物理约束可能有助于以更精确的方式完成缺失的数据,迫使它们保持在物理定律定义的流形中。在这项工作中,提出了一种合适的插补方法来完成不完整数据,该方法保留了数据的上下文相关结构。这是通过强制数据来满足特定于问题的物理约束集来实现的。为此,提出了加权平均概念的推广,其中到允许点的距离(在物理意义上)用作加权函数,以获得最佳候选。该方法在经典回归问题中进行了评估,并与其他标准方法进行了比较,显示出更好的结果。然后,在两个数据驱动的问题中说明了它的应用,其中还没有提出填充数据的过程,只要数据足够接近实际系统状态,就显示出良好的预测能力。
成语:英格里斯
内政部:2016年10月10日/j.cma.2018.09.035
阿诺:2019
Publicado en公司:应用力学与工程中的计算机方法344 (2019), 120-143
国际标准编号:0045-7825

影响JCR的因素:5.763 (2019)
类别。JCR公司:机械 等级:7/136=0.051(2019)-第一季度 -T1类
类别。JCR公司:数学、跨学科应用 等级:2/106=0.019(2019)-第一季度 -T1类
类别。JCR公司:多学科工程 等级:6/91=0.066(2019)-第一季度 -T1类

影响SCIMAGO的因素:2.786 -计算力学(第一季度)-计算机科学应用(第一季度)-物理学和天文学(杂项)(第一季度)-材料力学(第一季度)-机械工程(第一季度)

财务状况:信息:eu-repo/grantAgreement/ES/DGA/T24-17R
财务状况:信息:eu-repo/grantAgreement/ES/MINECO/MAT2016-76039-C4-4-R
形式:艺术(PostPrint)
面积(部门):区域机械。Med.Cont.y Teor公司。美国东部时间。(博士。Ingeniería Mecánica公司)

知识共享 Debe recocer adecuadamente la autoría,propercionar un enlace a la licensia e indicar si se han realizado cambios.德比重新审视了自己,提出了自己的观点。Puede hacerlo de cualquier manera razionable,pero no de una manera que sugiera que.tiene el apoyo del licenciador o lo recibe por el-uso que hace。无最终商业用途的废物利用材料。Si remezcla,转化为颗粒材料,无需对材料进行任何修改。


SIDERAL出口(2022-10-03-13:16:43)


访问和描述

Este artículo se encuentra en las siguientes colecciones公司:
艺术库洛斯



Registro creado el 2019-10-25,oultima modificación el 2022-10-04


印后:
PDF格式
Valore este文件:

对此文档进行评级:
 
(Sin ninguna reseña)