用于湍流数据驱动闭合项的结构化深度核网络
机器学习
2022-10-31 v1 数值分析
数值分析
摘要
标准机器学习核方法在处理大规模数据集时通常表现不佳。我们回顾一种近期引入的能够处理高维与海量数据集且具备典型标准机器学习逼近性质的结构化深度核网络（SDKN）方法。我们扩展 SDKN 将其与标准机器学习模块结合，并在湍流闭合项数据驱动预测这一科学挑战上与神经网络进行比较。我们通过实验表明，SDKN 能够处理大型数据集并在给定应用上达到近乎完美的精度。
引用
@article{arxiv.2103.13655,
title = {Structured Deep Kernel Networks for Data-Driven Closure Terms of Turbulent Flows},
author = {Tizian Wenzel and Marius Kurz and Andrea Beck and Gabriele Santin and Bernard Haasdonk},
journal= {arXiv preprint arXiv:2103.13655},
year = {2022}
}