인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
In this paper, we propose a novel deep learning model based on Koopman theory to learn the partial differential equations (PDEs) inherent in data observed from nonlinear dynamical systems for missing data imputation. Since nonlinear PDEs such as the Navier-Stokes equations in fields like fluid dynamics and quantum mechanics still lack solutions, this paper addresses the long-term prediction problem of nonlinear dynamical systems by leveraging the Koopman Autoencoder (KAE) model. To improve the long-term prediction performance of KAE on nonlinear systems, we propose a multi-input-based KAE model that utilizes high temporal resolution multi-input data instead of lowering the temporal resolution of the model prediction. We validated the effectiveness of the proposed method through MSE, MAPE, and SMAPE metrics on three nonlinear dynamical system datasets- Navier-Stokes (smoke), Navier-Stokes (viscous flow), and Shallow-Water, showing significant improvement over baseline models.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-091081854
