Реєстраційний номер
0824U000201, Дисертація доктора філософії
На здобуття
Доктор філософії
Дата захисту
29-02-2024
Статус
Наказ про видачу диплома
Назва роботи
Методи та засоби математичного моделювання руху рідин з використанням машинного навчання
Здобувач
Кузьмич Валентин Анатолійович,
Керівник Новотарський Михайло Анатолійович
Опонент Винничук Степан Дмитрович
Опонент Савченко Аліна Станіславівна
Рецензент Писарчук Олексій Олександрович
Рецензент Стеценко Інна Вячеславівна
Установа, організація, у вченій раді якої відбудеться/відбувся захист
Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського"
Опис
Дисертаційна робота присвячена розробці дворівневого методу моделювання руху рідин на основі решітчастої моделі Больцмана та згорткової нейронної мережі, що дозволяє точно і ефективно моделювати рух нестисливих рідин.
Решітчаста модель Больцмана - це математичний інструмент, який знаходить широке застосування в чисельному моделюванні руху газів та рідин. Вона ґрунтується на статистичних принципах та дозволяє моделювати рух частинок в рідині на основі їхньої взаємодії через взаємодію з іншими частинками та перешкодами. Решітчаста модель Больцмана дозволяє враховувати мікроскопічні взаємодії частинок та отримувати макроскопічні властивості рідини, такі як тиск, температура та швидкість.
Машинне навчання - це область науки використовує алгоритми та моделі, які дозволяють комп'ютерам навчатися на даних та робити прогнози або приймати рішення без явного програмування. У контексті дослідження руху рідини, машинне навчання може бути використане для аналізу великих обсягів даних та побудови прогностичних моделей.
Згорткові нейронні мережі є одним з типів моделей машинного навчання, які знайшли широке застосування в різних практичних сферах діяльності, таких як обробці зображень, включаючи аналіз руху рідини. Вони імітують спосіб, яким працює візуальний кортекс у людей, дозволяючи автоматично визначати особливості та закономірності в даних. Згорткові нейронні мережі здатні виявляти взаємозв'язки між частинами зображень та ефективно використовувати цю інформацію для розв'язання завдань, пов'язаних із рухом рідини.
Дата реєстрації
2024-01-09
Додано/оновлено в НРАТ
2024-03-01 / 2026-07-01
