.png){kind=icon}
返回
Aerodynamic shape optimization via active learning-driven design space refinement
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ast.2025.110606.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 开发了一种设计空间细化机制，以高效识别搜索空间内的紧凑、高性能区域。
• VAAL和LLAL被应用于促进搜索空间的有效且数据高效的探索。
• 提出了一种面向优化的主动学习框架，以在关键区域以最小的标注工作量提升代理模型的准确性。
• 实验结果表明，所提出的方法在优化效果和计算效率两方面均优于传统的降维技术。
期刊
IF:
5.8
论文数:
1.0W
被引数:
3.0W
机构
暂无机构信息
引用论文
Aerodynamic shape optimization of a single turbine stage based on parameterized Free-Form Deformation with mapping design parameters.png)
ENERGY
ENERGYIF9.4
PREAI
分享收藏How to measure uncertainty in uncertainty sampling for active learning主动学习不确定度抽样中如何测量不确定度MACHINE LEARNING
OAAI
MACHINE LEARNINGIF2.9
OAAI分享收藏Efficient aerodynamic shape optimization using variable-fidelity surrogate models and multilevel computational grids使用可变保真度代理模型和多级计算网格进行有效的空气动力学形状优化OAAI
OAAI分享收藏Surrogate-based aerodynamic shape optimization of a morphing wing considering a wide Mach-number range考虑宽马赫数范围的变形机翼基于替代物的气动形状优化
PREAI
分享收藏分享收藏
查看更多内容