比较两种几何条件神经网络预测室内环境
热点事件持续更新
比较两种几何条件神经网络预测室内环境
1 篇报道1 个报道来源18 小时前更新
先了解这件事
报道摘要
研究对比了两种几何条件神经网络代理模型，用于不同房间尺寸下的室内气流与温度场快速预测。基于画布的 CaNN 通过在固定画布中保留不同占用区域显式编码房间尺寸，基于坐标的 CoNN 则使用归一化坐标通道，两者均采用 U-Net 自编码器分别预测气流与温度场。在高度和长度变化的简化房间基准上，CaNN 与 CFD 结果的一致性高于 CoNN。
摘自 arXiv Artificial Intelligence
最新进展10月14日 12:00
基于画布与坐标的几何条件神经网络在变房间尺寸室内环境实时预测中的对比研究报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv Artificial Intelligence基于画布与坐标的几何条件神经网络在变房间尺寸室内环境实时预测中的对比研究
研究对比了两种几何条件神经网络代理模型，用于不同房间尺寸下的室内气流与温度场快速预测。基于画布的 CaNN 通过在固定画布中保留不同占用区域显式编码房间尺寸，基于坐标的 CoNN 则使用归一化坐标通道，两者均采用 U-Net 自编码器分别预测气流与温度场。在高度和长度变化的简化房间基准上，CaNN 与 CFD 结果的一致性高于 CoNN。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。