Representaciones de Imágenes de Simulaciones Numéricas para Entrenar Redes Neuronales

Una gran cantidad de datos puede asegurar parcialmente una buena calidad de ajuste para las redes neuronales entrenadas. Cuando la cantidad de datos de monitoreo experimental o in situ es comúnmente insuficiente y la calidad es difícil de controlar en la práctica de la ingeniería, las simulaciones numéricas pueden proporcionar una gran cantidad de datos controlados de alta calidad. Una vez que las redes neuronales son entrenadas con dichos datos, pueden usarse para predecir las propiedades/respuestas de los objetos de ingeniería al instante, ahorrando los esfuerzos computacionales adicionales de las herramientas de simulación. Correspondientemente, se desea una estrategia para transferir eficientemente los datos de entrada y salida utilizados y obtenidos en simulaciones numéricas a redes neuronales para ingenieros y programadores. En este trabajo, proponemos una estrategia simple de representación de imágenes de simulaciones numéricas, donde todos los datos de entrada y salida se representan mediante imágenes. La información temporal y espacial se conserva y los datos se comprimen en gran medida. Además, los resultados son legibles no solo para computadoras, sino también para recursos humanos. Se presentan algunos ejemplos, indicando la efectividad de la estrategia propuesta.