主动学习提升数字孪生数据驱动的降阶模型
分析
本文提出了一个有价值的主动学习框架，用于提高数字孪生中使用的降阶模型（ROM）的效率和准确性。通过智能选择训练参数，该方法与随机抽样相比，提高了ROM的稳定性和准确性，从而可能降低复杂模拟中的计算成本。贝叶斯算子推断方法为不确定性量化提供了一个概率框架，这对于可靠的预测至关重要。
引用 / 来源
查看原文"Since the quality of data-driven ROMs is sensitive to the quality of the limited training data, we seek to identify training parameters for which using the associated training data results in the best possible parametric ROM."