基于遷移學習的飛行器高低階精度數(shù)據(jù)融合方法

摘要： 為提升飛行器氣動性能分析效率、降低所需成本，采用了兩種基于遷移學習的數(shù)據(jù)融合智能預測方法：一種是根據(jù)樣本特征進行權重配比的多保真度融合方法，利用自適應提升算法進行樣本錯誤率評估，并依據(jù)結(jié)果進行加權融合；另一種是基于模型的參數(shù)凍結(jié)遷移方法，將高低階精度數(shù)據(jù)進行神經(jīng)網(wǎng)絡分層訓練，實現(xiàn)模型意義上的數(shù)據(jù)融合。兩種方法均考慮將高階精度的風洞試驗數(shù)據(jù)與低階精度的CFD數(shù)據(jù)進行深度融合訓練，... （共7頁）