★ 2
神经CAE代理模型的预测不确定性
论文研究将既有不确定性量化（UQ）方法适配到几何条件神经代理模型时的表现，比较高斯过程、Monte Carlo dropout与深度集成三类方法。在DrivAerStar、AirFRANS与汽车碰撞三个工业级CAE数据集上评估不确定性的量级可信度、误差定位能力与对陌生输入的响应。结果显示各方法相对…
arXiv cs.LG40 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文研究将既有不确定性量化（UQ）方法适配到几何条件神经代理模型时的表现，比较高斯过程、Monte Carlo dropout与深度集成三类方法。在DrivAerStar、AirFRANS与汽车碰撞三个工业级CAE数据集上评估不确定性的量级可信度、误差定位能力与对陌生输入的响应。结果显示各方法相对…
论文研究从稀疏噪声传感器预测物理场的神经代理模型，量化空间窗口与历史快照之间的权衡，并与贝叶斯最优误差对比。在 Burgers 流与 Kuramoto-Sivashinsky 方程上的实验揭示「提前期反转」现象，并给出按相关长度设定窗口、按预测提前期分配输入预算的设计准则。