Mesh deep Q network: A deep reinforcement learning framework for improving meshes in computational fluid dynamics
Mesh deep Q network: A deep reinforcement learning framework for improving meshes in computational fluid dynamics
复制标题
网格深度 Q 网络：用于改进计算流体动力学中的网格的深度强化学习框架
DOI：
10.1063/5.0138039
复制
发表时间：
2023
期刊：
影响因子：
1.6
通讯作者：
Barati Farimani, Amir
中科院分区：
文献类型：
--
作者：
Lorsung, Cooper;Barati Farimani, Amir
登录
查看更多内容
DOI：
10.1016/j.cag.2022.02.004
发表时间：
2022-02
期刊：
Comput. Graph.
影响因子：
--
作者：
Zijie Li;A. Farimani
通讯作者：
Zijie Li;A. Farimani
在 Python 中求解偏微分方程
DOI：
10.1007/978-3-319-52462-7
发表时间：
2016
期刊：
J. Comput. Phys.
影响因子：
--
作者：
H. Langtangen;A. Logg
通讯作者：
A. Logg
DOI：
10.1002/nme.2579
发表时间：
2009-09-10
影响因子：
2.9
作者：
Geuzaine, Christophe;Remacle, Jean-Francois
通讯作者：
Remacle, Jean-Francois
SuperMeshing：使用深度学习方法提高平面应变问题中应力场的网格密度
DOI：
10.1115/1.4054687
发表时间：
2022
期刊：
J. Comput. Inf. Sci. Eng.
影响因子：
--
作者：
Handing Xu;Zhenguo Nie;Qingfeng Xu;Yaguan Li;F. Xie;Xin
通讯作者：
Xin
水翼船翼剖面——第 1 部分：对称轮廓
影响因子：
1.4
作者：
R. Eppler;Young T. Shen
通讯作者：
Young T. Shen