arXiv 机器学习· Pradipan Maitra, Jariful Hassan, Arijit Hazra·· 8 小时前AI 评分27
基于广义 PINN 与迁移学习的空间变化换热系数反演估计
Generalized PINN-Based Inverse Estimation of Spatially Varying Heat Transfer Coefficients with Transfer Learning
AI 导读
基于迁移学习的广义 PINN 方法实现了射流冲击冷却中空间变化对流换热系数的反演估计。在雷诺数 15000 目标下，分段线性与神经网络表征将相对误差从二次 PINN 的 16.76% 分别降至 14.41% 与 14.46%。迁移学习在不同场景下可将目标训练时间减少 50.59%–84.94%，显著降低重复反演的计算成本。
来源：arXiv 机器学习 · arxiv.org