返回
Data-driven multiscale modeling for correcting dynamical systems
DOI:10.1088/2632-2153/ae1a36.png)
摘要
En 中文
我们提出了一种多尺度方法用于预测动力系统中的量,该方法明确地结构化以在由细到粗和由粗到细两个方向上提取信息。与具有类似网络架构的非多尺度方法相比,我们的方法在计算量最小增加的情况下提高了模型的准确性和稳定性。我们在一个理想化的流体子网格参数化(称为闭包)任务上评估了我们的方法,在该任务中,我们的多尺度网络校正了混沌的基础模型,以反映未解析、细尺度动力学的影响。
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
M
IF:
0
论文数:
116
被引数:
0

