ترجمه فارسی مقاله نمونه برداری فعال از نقاط درونیابی برای شناسایی زیرفضاهای غالب برای کاهش مدل

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Active Sampling of Interpolation Points to Identify Dominant Subspaces for Model Reduction
عنوان مقاله به فارسی نمونه برداری فعال از نقاط درونیابی برای شناسایی زیرفضاهای غالب برای کاهش مدل
نویسندگان Celine Reddig, Pawan Goyal, Igor Pontes Duff, Peter Benner
فرمت مقاله انگلیسی PDF
تعداد صفحات 20
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Machine Learning,Dynamical Systems,Numerical Analysis,یادگیری ماشین , یادگیری ماشین , سیستم های دینامیکی , تجزیه و تحلیل عددی ,
توضیحات Submitted 5 September, 2024; originally announced September 2024. , Comments: 20 pages, 9 figures , MSC Class: 15A24; 15A23; 34K06; 34K35; 93C05; 93C23; 41A05
توضیحات به فارسی ارسال شده در 5 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد ، نظرات: 20 صفحه ، 9 شکل ، کلاس MSC: 15A24 ؛15a23 ؛34K06 ؛34K35 ؛93C05 ؛93C23 ؛41A05
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Model reduction is an active research field to construct low-dimensional surrogate models of high fidelity to accelerate engineering design cycles. In this work, we investigate model reduction for linear structured systems using dominant reachable and observable subspaces. When the training set $-$ containing all possible interpolation points $-$ is large, then these subspaces can be determined by solving many large-scale linear systems. However, for high-fidelity models, this easily becomes computationally intractable. To circumvent this issue, in this work, we propose an active sampling strategy to sample only a few points from the given training set, which can allow us to estimate those subspaces accurately. To this end, we formulate the identification of the subspaces as the solution of the generalized Sylvester equations, guiding us to select the most relevant samples from the training set to achieve our goals. Consequently, we construct solutions of the matrix equations in low-rank forms, which encode subspace information. We extensively discuss computational aspects and efficient usage of the low-rank factors in the process of obtaining reduced-order models. We illustrate the proposed active sampling scheme to obtain reduced-order models via dominant reachable and observable subspaces and present its comparison with the method where all the points from the training set are taken into account. It is shown that the active sample strategy can provide us $17$x speed-up without sacrificing any noticeable accuracy.

چکیده به فارسی (ترجمه ماشینی)

کاهش مدل یک زمینه تحقیقاتی فعال برای ساخت مدل های جانشین کم بعدی از وفاداری بالا برای تسریع در چرخه طراحی مهندسی است.در این کار ، ما کاهش مدل را برای سیستم های ساخت یافته خطی با استفاده از زیر مجموعه های قابل دسترسی و قابل مشاهده بررسی می کنیم.هنگامی که مجموعه آموزش $-$ حاوی تمام نقاط درون یابی احتمالی $-$ بزرگ است ، با حل بسیاری از سیستم های خطی در مقیاس بزرگ ، این زیر مجموعه ها را می توان تعیین کرد.با این حال ، برای مدلهای با وفاداری بالا ، این به راحتی از نظر محاسباتی قابل تحمل می شود.برای دور زدن این مسئله ، در این کار ، ما یک استراتژی نمونه گیری فعال را پیشنهاد می کنیم تا فقط چند نکته از مجموعه آموزش داده شده را نمونه برداری کنیم ، که می تواند به ما امکان تخمین دقیق آن قسمت ها را بدهد.برای این منظور ، ما شناسایی زیر مجموعه ها را به عنوان راه حل معادلات عمومی سیلوستر تدوین می کنیم و ما را راهنمایی می کنیم تا مهمترین نمونه ها را از مجموعه آموزش برای دستیابی به اهداف خود انتخاب کنیم.در نتیجه ، ما راه حل های معادلات ماتریس را به شکل های درجه پایین ، که اطلاعات زیر فضای را رمزگذاری می کنند ، می سازیم.ما به طور گسترده در مورد جنبه های محاسباتی و استفاده کارآمد از عوامل درجه پایین در فرآیند به دست آوردن مدلهای مرتبه کاهش یافته بحث می کنیم.ما طرح نمونه گیری فعال پیشنهادی را برای به دست آوردن مدلهای مرتبه کاهش یافته از طریق زیر مجموعه های قابل دسترسی و قابل مشاهده نشان می دهیم و مقایسه آن را با روشی که تمام نقاط موجود در مجموعه آموزش در نظر گرفته می شود ، ارائه می دهیم.نشان داده شده است که استراتژی نمونه فعال می تواند بدون فداکاری در مورد دقت قابل توجه ، سرعت 17 دلار X را فراهم کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.