全球信誉最好的网投平台 - 澳门棋牌十大全电子游戏

全球信誉最好的网投平台
热点新闻
2022-06-29
6月23日,中南大学土木工程学院前往贵州省公路工程集团有限公...
最新公告
2022-06-20
各位老师:班导师是指导班级建设引路人,是引导学生专业兴趣...
站内搜索
学术报告
当前位置: 全球信誉最好的网投平台 >> 学术报告 >> 正文

基于物理信息神经网络的非线性动力系统降阶建模(Reduced-order modelling of nonlinear dynamical systems using physics-informed neural networks)

发布时间:2022-06-17    浏览次数:


报告题目:基于物理信息神经网络的非线性动力系统降阶建模(Reduced-order modelling of nonlinear dynamical systems using physics-informed neural networks)
报 告 人:傅金龙 博士
主 请 人:
时  间:2022年6月24日(周五)16:00-18:00
地  点:腾讯会议 会议号 957-916-295

傅金龙于2015年硕士毕业于中南大学土木工程学院桥梁工程系,2020年在斯旺西大学获得博士学位,而后继续在斯旺西大学从事博士后研究工作。傅博士的学位论文获得了“2021年度英国计算力学学会最佳博士论文(Roger Owen Prize)”,亦被提名该年度欧洲计算力学学会最佳博士论文奖项(ECCOMAS Best PhD Thesis Prize)。此外,傅博士还曾获得英国辛科维奇基金会颁发的博士生奖学金,以及英国中英协会颁发的中国学生奖等荣誉。目前主要从事计算力学、数值模型降阶、多孔介质流模拟和岩石微观结构分析等方面的研究,相关研究成果已发表在CMAME, Earth-Science Reviews等多个国际权威学术期刊上。

报告简介:反复求解变参数的非线性偏微分方程(PDEs),通常是描述非线性动力系统参数依赖性的基本要求。与高保真的数值模拟相比,降阶建模(ROM)是一种构造低维参数化代理模型的经济方法,它可以用于快速预测高维物理场,例如压力场,温度场,速度场、应变场等。本报告将介绍一种基于物理信息和数据相结合的降阶建模新方法(PDCML),以解决小数据范畴内的参数化建模问题。为了弥补可获取数据的不足性与稀疏性,本研究将物理信息(PDEs)和小数据同时无缝地融汇于人工神经网络模型之中,从而获得预测精度高且泛化能力强的代理预测模型。

 


Baidu
sogou