Connexion
Idée - Unsicherheitsvorhersage für Tragflügelströmungen
Vorhersage der Strömungsverteilung um Tragflügel unter Berücksichtigung der Unsicherheit mithilfe von Denoising-Diffusions-Wahrscheinlichkeitsmodellen
Denoising-Diffusions-Wahrscheinlichkeitsmodelle (DDPMs) können die gesamte Verteilung der Lösungen für Tragflügelströmungen erfolgreich erfassen und somit die Unsicherheit der Simulationen genau abschätzen. DDPMs übertreffen andere Methoden wie Bayessche neuronale Netze und heteroskedastische Modelle in Bezug auf verschiedene Genauigkeitsmetriken.
Vorhersage der Strömungsverteilung um Tragflügel unter Berücksichtigung der inhärenten Unsicherheit durch Denoising-Diffusions-Wahrscheinlichkeitsmodelle
Denoising-Diffusions-Wahrscheinlichkeitsmodelle (DDPMs) können die gesamte Verteilung der Lösungen für Tragflügelströmungen erfassen und die inhärente Unsicherheit der Simulationen genau abschätzen. DDPMs übertreffen andere Methoden wie Bayessche neuronale Netze und heteroskedastische Modelle in Bezug auf verschiedene Genauigkeitsmetriken.
Produits | Ressources
© 2024 by Linnk AI