Key points are not available for this paper at this time.
تتحرى هذه الورقة أساليب التعلم العميق في إطار الشبكات العصبية التلافيفية لإعادة بناء مجالات التدفق المضغوط المضطرب. الهدف هو تطوير أساليب قادرة على تحسين البيانات المضطربة الخشنة إلى صور بدقة عالية. تستند الطريقة إلى إطار حسابي متوازي يقبل مجموعات من الصور ذات دقات مختلفة، تم تدريبها لتتناسب مع الدقة العالية المعنية. تتكون بنية الشبكة بشكل رئيسي من طبقات تلافيفية، لبناء شبكة مشفرة/مشفرة. استنادًا إلى مخطط U-Net، تم تقديم ثلاثة تطبيقات مختلفة، مع اتصالات بقايا وتخطي. تم تنفيذ الأساليب في مشكلة تفاعل الصدمة الفائقة الصوت مع طبقة الحدود. تشير النتائج إلى أن الشبكات البسيطة تؤدي بشكل أفضل عند تدريبها على بيانات محدودة، ويمكن أن تكون هذه حلاً عمليًا وسريعًا عند التعامل مع بيانات التدفق المضطرب، حيث يكون العبء الحسابي معظم الوقت من الصعب تقليله. بهذه الطريقة، يمكن تحسين شبكة محاكاة خشنة إلى شبكة دقيقة.
درس سوفوس وآخرون (الأربعاء) هذا السؤال.