机译:深度学习或插值,用于发热和流体流动问题的逆建模?
CFD Center MS 6A2 George Mason University Arlington Virginia USA;
Department of Mathematical Sciences George Mason University Arlington Virginia USA;
Swansea University Swansea UK;
Swansea University Swansea UK;
School of Engineering Swansea University Swansea UK;
Machine learning; Deep neural networks; Forced and natural convection; Interpolation; Linear heat conduction; Nonlinear heat conduction; Deep learning;
机译:通过神经网络(深学习)和计算传热的数据驱动的反向建模
机译:基于深度学习的反向建模方法:地下流量示例
机译:参数依赖性流体的实时模拟流过基于深度学习的减少订单模型
机译:先进的多流体建模技术在二元流体流沸腾传热建模与模拟中的进展
机译:在(110)硅基板中蚀刻的深矩形液体冷却微通道中的传热和流体流动。
机译:脐带母胎热交换和血流的计算流体动力学建模
机译:德国Molasse盆地深层地热异常的起源:流体流动与传热耦合的3D数值模型的结果
机译:高强度干燥过程:脉冲干燥。冠顶补偿脉冲干燥辊内流体流动与传热模型的进展报告:传热问题