11:40
官方账号arXiv cs.LG@Alberto Solera-Rico, Patricia García-Caspueñas, Carlos Sanmiguel Vila, Stefano Discetti
推荐理由：这篇论文用具体实验告诉你，做尾流控制降阶模型时，别只盯着压缩率——POD虽然老但长期预测比CAE稳，适合做模型预测控制。
CAE
共 2 条相关 AI 资讯
7月28日
11:40
一篇论文研究了受控尾流中数据驱动潜空间降阶模型的压缩效率与长期预测精度之间的权衡。使用简化卡车尾流和流体弹球两种2D驱动尾流配置，对比了POD、非线性卷积自编码器（CAE）和两种变分自编码器作为空间编码器，并评估了基于LSTM的多种时序预测器。CAE压缩效率更高且短期重建更清晰，但潜在动力学更不规则，长期预测退化更快且灾难性发散概率更高。POD产生的潜在轨迹更平滑，更容易学习与外推，在超短期预测中更可靠。结果提示在基于预测的控制策略中应优先考虑潜在动力学的稳定性。
6月26日
10:38
10:38
官方账号arXiv cs.LG@Santosh Kapuria, Abhishek
推荐理由：这篇论文用轻量仿真数据预训练CAE再迁移到小样本实验数据，做到了损伤定位R²>0.93、尺寸R²>0.99，比CNN方案准很多，很值结构健康监测方向的人看看。