新書推薦：
《
中西交通史 陆海书系
》
售價：NT$
296.0
《
图说新质生产力1：科技创新 落地化解读新质生产力的内涵和精髓
》
售價：NT$
301.0
《
从弗洛伊德到百忧解：精神病学的历史（医学人文丛书）
》
售價：NT$
398.0
《
雪
》
售價：NT$
352.0
《
当代学术·中古中国与粟特文明
》
售價：NT$
653.0
《
财政与国家治理
》
售價：NT$
755.0
《
魏特琳日记（重新修订，震撼上市）
》
售價：NT$
449.0
《
国宝中的国宝：195件禁止出国展览文物
》
售價：NT$
1418.0
|
| 內容簡介： |
|
传热流动系统的设计优化对系统性能和能效的提升具有关键意义。然而，随着系统结构的复杂化，基于传统数值计算方法的性能评估面临着计算资源要求高和计算时间长的挑战，已难以满足工业生产中快速设计优化的需求。因此，《数物驱动热流场数智仿真理论与算法》以提高传热流动模式预测的准确性和高效性为目标，总结了作者和科研团队近年来利用深度学习和大数据理论开展传热流动预测研究的成果。这些研究成果为传热流动系统的快速优化设计提供了重要支撑，具有重要的工程意义。
|
| 目錄：
|
|
目录前言第1章 绪论 11.1 传热流动降阶模型的研究背景和意义 11.2 深度学习 31.2.1 简介 31.2.2 研究现状 31.3 传热流动降阶模型国内外研究现状 61.3.1 传统传热流动降阶模型 61.3.2 基于人工智能算法的传热流动降阶模型 91.4 本章小结 14参考文献 14第2章 基础理论 212.1 传热流动的基础理论 212.1.1 数值计算基础 212.1.2 传热流动物理模型 262.2 深度学习的基础理论 282.2.1 深度学习模型和技术 282.2.2 数据集预处理 392.2.3 深度学习优化算法 412.2.4 深度学习模型评价准则 422.3 本章小结 43参考文献 43第3章 基于卷积神经网络的特征自适应传热流动预测模型 453.1 引言 453.2 特征自适应模型的背景与挑战 453.2.1 研究特征自适应模型的必要性 453.2.2 特征自适应模型的关键要素 463.3 案例分析1——基于卷积神经网络的几何自适应稳态传热降阶建模 473.3.1 案例说明 473.3.2 训练数据集的生成和预处理 483.3.3 降阶模型的构建与训练 513.3.4 预测结果与分析 533.3.5 降阶模型超参数分析 613.4 案例分析 2——基于卷积神经网络的特征自适应瞬态流场降阶建模 643.4.1 案例说明 643.4.2 训练数据集的生成和预处理 653.4.3 降阶模型的构建与训练 693.4.4 预测结果与分析 703.4.5 全连接网络与卷积网络构建降阶模型对比 803.5 本章小结 82参考文献 83第4章 迁移方法对卷积神经网络的新任务学习和预测性能增强 844.1 引言 844.2 常见迁移学习及应用 854.2.1 常见的迁移学习 854.2.2 迁移学习的应用 884.3 案例分析——迁移学习增强的卷积神经网络多芯片模块传热降阶建模 884.3.1 案例说明 884.3.2 训练数据集的生成和预处理 894.3.3 降阶模型的构建与训练 904.3.4 预测结果与分析 924.3.5 迁移学习与传统卷积神经网络的性能对比 954.4 本章小结 99参考文献 99第5章 Transformer架构对卷积神经网络的学习和预测性能增强 1015.1 引言 1015.2 常见Transformer架构及应用 1015.2.1 Transformer模型 1015.2.2 Vision Transformer模型 1045.2.3 Swin Transformer模型 1045.2.4 Transformer模型的应用 1055.3 案例分析——注意力机制增强的卷积神经网络翅片太阳能集热管传热降阶建模 1065.3.1 案例说明 1065.3.2 训练数据集的生成和预处理 1065.3.3 降阶模型的构建与训练 1085.3.4 预测结果与分析 1105.3.5 与传统卷积神经网络的性能对比 1225.4 本章小结 123参考文献 124第6章 网格自适应的图卷积神经网络传热流动预测模型 1266.1 引言 1266.2 常见图神经网络及应用 1266.2.1 常见的图神经网络 1266.2.2 图神经网络的应用 1296.3 图数据的生成 1306.3.1 图的概念 1306.3.2 图的存储结构 1316.3.3 网格数据到图数据的转换 1326.4 基于图卷积神经网络的网格自适应预测模型构建方法 1366.4.1 针对几何自适应问题的基于卷积神经网络的预测模型结构设计 1366.4.2 模型性能评估 1386.5 案例分析 1——基于图卷积网络的环形热管自然对流降阶建模 1396.5.1 案例说明 1396.5.2 训练数据集的生成和预处理 1396.5.3 预测结果与分析 1416.5.4 不同降阶模型预测结果比较 1446.6 案例分析 2——基于图卷积神经网络的通道内流动降阶建模 1486.6.1 案例说明 1486.6.2 训练数据集的生成和预处理 1496.6.3 降阶模型的构建 1506.6.4 预测结果与分析 1516.7 本章小结 162参考文献 162第7章 物理嵌入方法对图卷积神经网络的学习和预测性能增强 1647.1 引言 1647.2 基于物理嵌入耦合图卷积神经网络的传热流动预测模型构建方法 1647.2.1 物理嵌入耦合图卷积神经网络的预测模型结构设计 1647.2.2 物理信息神经网络 1667.3 案例分析 1——物理信息增强的图神经网络稳态热传导降阶建模 1667.3.1 案例说明 1667.3.2 训练数据与降阶模型构建 1677.3.3 预测结果与分析 1687.4 案例分析 2——物理信息增强的图神经网络强迫对流降阶建模 1787.4.1 案例说明 1787.4.2 训练数据与降阶模型构建 1787.4.3 预测结果与分析 1807.5 案例分析 3——物理信息增强的图神经网络自然对流降阶建模 1917.5.1 案例说明 1917.5.2 训练数据与降阶模型构建 1917.5.3 预测结果与分析 1927.5.4 对比纯数据驱动降阶模型 2057.6 本章小结 207参考文献 208第8章 循环神经网络耦合图卷积神经网络的瞬态流动预测模型 2098.1 引言 2098.2 常见循环神经网络及应用 2108.2.1 RNN的基本原理 2108.2.2 RNN的基本应用 2158.3 案例分析 1——循环神经网络耦合图卷积网络的圆柱绕流瞬态流动降阶建模 2168.3.1 案例说明 2168.3.2 训练数据集的生成和预处理 2168.3.3 降阶模型的构建 2198.3.4 预测结果与分析 2228.3.5 SGCNN模型性能分析 2288.4 案例分析 2——循环神经网络耦合图卷积网络的机翼绕流瞬态流动降阶建模 2298.4.1 案例说明 2298.4.2 训练数据集的生成和预处理 2298.4.3 降阶模型的构建 2308.4.4 预测结果与分析 2338.5 本章小结 241参考文献 241
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
