Nonlinear projection-based model order reduction with machine learning regression for closure error modeling in the latent space
Ce document présente un nouveau cadre de réduction de modèle par projection non linéaire qui utilise la régression par processus gaussiens et l'interpolation par fonctions de base radiales pour modéliser les erreurs de fermeture dans l'espace latent, offrant une efficacité, une interprétabilité et une efficacité des données améliorées par rapport aux approches par réseaux de neurones profonds dans les applications complexes de la dynamique des fluides.