![跪求解约求解约](https://static3w.kuaikanmanhua.com/_nuxt/static-kkfront-seo/image/defaultTopicCover.cefa02f.png)
![](https://static3w.kuaikanmanhua.com/_nuxt/static-kkfront-seo/image/topIcon.3ffba35.png)
![](https://static3w.kuaikanmanhua.com/_nuxt/static-kkfront-seo/image/searchIcon.efd8d88.png)
跪求解约求解约
24人气值
|
60总评论
|
40关注
![](https://static3w.kuaikanmanhua.com/_nuxt/static-kkfront-seo/image/mark.0e8a481.png)
跪求解约求解约更新时间
传统数值解法求解物理方程的效率是一个瓶颈。近年来,人们开始利用AI模型来对物理方程进行更加高效的求解。AI模型的训练数据可以来源于传统的数值解法,而一旦训练成功,在求解新的方程的时候就可以节省大量的时间。
传统数值解法求解物理方程的效率是一个瓶颈。近年来,人们开始利用AI模型来对物理方程进行更加高效的求解。AI模型的训练数据可以来源于传统的数值解法,而一旦训练成功,在求解新的方程的时候就可以节省大量的时间。
通过之前几何、网格两个步骤,我们通常已经得到了流体与固体的有限元网格,接下来,Fluent通过有限体积法进行详细的三维计算求解,流体区域求解传热方程和流动方程,固体区域仅求解能量方程。
本来需要求数值求解微分方程,速度会非常慢,但是作者将微分方程的解用一种解析解近似了,因此模型只需要显式求解(y=f(x))即可,速度就提上去了,这个解析解在高数课本上就有。
然而,含标签数据的偏微分方程神经网络求解方法,存在很大的局限性.对很多问题,其精确解是未知的.若需要偏微分方程的精确解才能构造损失函数,这大大限制了其应用范围.例如,在油田开发过程中,仪器只能测量井底的压力、井口的产量,而不能获得其他地区的压力.这意味着基于标签数据的偏微分方程求解方法无效.从而,基于纯物理约束(即物理驱动)的求解方法具有更广阔的应用前景,有着与传统求解方法一样的便利性(无须任何标签数据).这一旦突破,将引发偏微分方程求解技术的真正变革.
跪求解约求解约类型
其他
跪求解约求解约作者名字
常月Clarence
评分
暂无
热血类作品推荐
武侠类作品推荐
畅销榜作品推荐
打开APP搜你想看,本站所刊载图文之著作权归快看漫画官方和快看漫画用户所有,内含官方内容和快看社区用户编辑内容,非经本站授权许可,禁止转载。