摘要
本申请提供一种适用于多尺度仿真的高性能计算方法,包括:通过卷积神经网络判断多尺度物理过程中存在的时间和空间特征尺度;根据得到的时间和空间特征尺度,使用深度确定性策略梯度算法,建立自动化的时间步长调控系统;采用树状数据结构实现的八叉树自适应网格表示动态几何;通过ICP算法捕捉几何结构的演化,构建变形预测模型;借助聚类和模式识别分析不同物理量的时间尺度特征;综合数值稳定性指标和计算代价设计耦合步长选择策略;利用采用误差积分法评估时间离散化误差,预测数值稳定性;基于误差积分法和参数识别方法,实现组件的在线评估;通过梯度迭代调整下一时间步长值,优化计算精度。
技术关键词
深度确定性策略梯度
高性能计算方法
树状数据结构
参数识别方法
误差
网格
ICP算法
数值
调控系统
粗化方法
优化深度神经网络
多尺度分析方法
模式识别
构建深度神经网络
多分辨率
方程
卷积神经网络提取
序列
系统为您推荐了相关专利信息
混合神经网络模型
多轮对话场景
交互控制系统
行业术语
智能客服
深度回归模型
混合损失函数
室内定位方法
数据
坐标
控制系统模型
位移控制方法
静电执行器
李雅普诺夫函数
反馈系统