multi-fidelity-learning

本文介绍了 MuFiNNs，这是一种层次化多保真度神经网络框架，旨在利用稀疏的实验数据预测三维火焰皱褶度和湍流燃烧速度。该方法将低保真度的物理趋势与高保真度修正相结合，从而在数据有限的燃烧状态下实现稳健的预测和外推。