-
最近の投稿
- FEAST: A Flexible Mealtime-Assistance System Towards In-the-Wild Personalization
- Time-Optimized Safe Navigation in Unstructured Environments through Learning Based Depth Completion
- Advances in Compliance Detection: Novel Models Using Vision-Based Tactile Sensors
- Mass-Adaptive Admittance Control for Robotic Manipulators
- DreamGen: Unlocking Generalization in Robot Learning through Video World Models
-
最近のコメント
表示できるコメントはありません。 cs.AI (39879) cs.CL (30187) cs.CV (45175) cs.HC (3051) cs.LG (44808) cs.RO (23879) cs.SY (3632) eess.IV (5170) eess.SY (3624) stat.ML (5830)
「physics.flu-dyn」カテゴリーアーカイブ
Data-efficient operator learning for solving high Mach number fluid flow problems
要約 SciML を使用して不規則な形状上の高マッハ流体の流れの解を予測する問題 … 続きを読む
カテゴリー: cs.LG, cs.NA, math.NA, physics.flu-dyn
Data-efficient operator learning for solving high Mach number fluid flow problems はコメントを受け付けていません
Forward Gradients for Data-Driven CFD Wall Modeling
要約 数値流体力学 (CFD) は、ガス タービンやその他の多くの産業/科学用途 … 続きを読む
カテゴリー: cs.LG, physics.flu-dyn
Forward Gradients for Data-Driven CFD Wall Modeling はコメントを受け付けていません
Finite Volume Features, Global Geometry Representations, and Residual Training for Deep Learning-based CFD Simulation
要約 数値流体力学 (CFD) シミュレーションは、多くの工学設計においてかけが … 続きを読む
カテゴリー: cs.CE, cs.LG, physics.flu-dyn
Finite Volume Features, Global Geometry Representations, and Residual Training for Deep Learning-based CFD Simulation はコメントを受け付けていません
Forward Gradients for Data-Driven CFD Wall Modeling
要約 数値流体力学 (CFD) は、ガス タービンやその他の多くの産業/科学用途 … 続きを読む
カテゴリー: cs.LG, physics.flu-dyn
Forward Gradients for Data-Driven CFD Wall Modeling はコメントを受け付けていません
SURF: A Generalization Benchmark for GNNs Predicting Fluid Dynamics
要約 流体力学のシミュレーションは、単純なバルブから複雑なターボ機械に至るまで、 … 続きを読む
カテゴリー: cs.AI, cs.LG, physics.flu-dyn
SURF: A Generalization Benchmark for GNNs Predicting Fluid Dynamics はコメントを受け付けていません
RONAALP: Reduced-Order Nonlinear Approximation with Active Learning Procedure
要約 多くのエンジニアリング アプリケーションは、高価な非線形高次元関数の評価に … 続きを読む
カテゴリー: cs.LG, physics.flu-dyn
RONAALP: Reduced-Order Nonlinear Approximation with Active Learning Procedure はコメントを受け付けていません
Redefining Super-Resolution: Fine-mesh PDE predictions without classical simulations
要約 数値流体力学 (CFD) では、粗いメッシュ シミュレーションは計算効率を … 続きを読む
カテゴリー: cs.AI, cs.LG, physics.comp-ph, physics.flu-dyn
Redefining Super-Resolution: Fine-mesh PDE predictions without classical simulations はコメントを受け付けていません
Interpretable Fine-Tuning for Graph Neural Network Surrogate Models
要約 データベースのサロゲート モデリングは、データのメッシュベース表現を直接操 … 続きを読む
カテゴリー: cs.LG, physics.comp-ph, physics.flu-dyn
Interpretable Fine-Tuning for Graph Neural Network Surrogate Models はコメントを受け付けていません
Turbulence Scaling from Deep Learning Diffusion Generative Models
要約 複雑な空間的および時間的構造は乱流流体の流れに固有の特性であり、それらを理 … 続きを読む
カテゴリー: cs.LG, nlin.CD, physics.flu-dyn
Turbulence Scaling from Deep Learning Diffusion Generative Models はコメントを受け付けていません
Physics informed machine learning with Smoothed Particle Hydrodynamics: Hierarchy of reduced Lagrangian models of turbulence
要約 発達した乱流の効率的で正確かつ一般化可能な低次数モデルを構築することは、依 … 続きを読む
カテゴリー: cs.LG, physics.flu-dyn
Physics informed machine learning with Smoothed Particle Hydrodynamics: Hierarchy of reduced Lagrangian models of turbulence はコメントを受け付けていません