可解释的基于补丁的深度学习用于从集合模拟预测野火蔓延
这个论文研究用深度学习模型预测野火蔓延,比较了四种模型,发现地表燃料负荷这个变量很重要,能降低21%的预测误差,还分析了模型如何学习,挺有意思的。
这个论文研究用深度学习模型预测野火蔓延,比较了四种模型,发现地表燃料负荷这个变量很重要,能降低21%的预测误差,还分析了模型如何学习,挺有意思的。
PG-KINN用Petrov-Galerkin方法结合KAN,在多个力学难题上精度超过PIKAN和MLP,值得做计算力学的人试试。
做多尺度仿真和材料力学计算的团队,终于有了一个能同时处理时间依赖和空间应力场的高效替代方案——比有限元快 1000 倍,还能跨网格直接迁移,建议做结构分析的开发者点开看看。
UTOPYA为工业过程监控提供了首个融合物理信息与多模态数据的端到端方案,做异常检测和过程控制的工程师可以直接参考其架构设计,尤其适合数据稀缺场景下的部署决策。