Vor Ort
Merkzettel Warenkorb
  • Produktbild: Data-Driven Fluid Mechanics
  • Produktbild: Data-Driven Fluid Mechanics

Data-Driven Fluid Mechanics Combining First Principles and Machine Learning

139,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

21.10.2024

Herausgeber

Mendez Miguel A. + weitere

Verlag

Cambridge Academic

Seitenzahl

470

Maße (L/B/H)

25/17,5/3 cm

Gewicht

1020 g

Sprache

Englisch

ISBN

978-1-108-84214-3

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

21.10.2024

Herausgeber

Verlag

Cambridge Academic

Seitenzahl

470

Maße (L/B/H)

25/17,5/3 cm

Gewicht

1020 g

Sprache

Englisch

ISBN

978-1-108-84214-3

Herstelleradresse

Libri GmbH
Europaallee 1
36244 Bad Hersfeld
DE

Email: gpsr@libri.de

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern
  • Produktbild: Data-Driven Fluid Mechanics
  • Produktbild: Data-Driven Fluid Mechanics
  • Part I. Motivation: 1. Analysis, modeling and control of the cylinder wake B. R. Noack, A. Ehlert, C. N. Nayeri and M. Morzynski; 2. Coherent structures in turbulence: a data science perspective J. Jiménez; 3. Machine learning in fluids: pairing methods with problems S. Brunton; Part II. Methods from Signal Processing: 4. Continuous and discrete LTI systems M. A. Mendez; 5. Time-frequency analysis and wavelets S. Discetti; Part III. Data-Driven Decompositions: 6. The proper orthogonal decomposition S. Dawson; 7. The dynamic mode decomposition: from Koopman theory to applications P. J. Schmid; 8. Generalized and multiscale modal analysis M. A. Mendez; 9. Good practice and applications of data-driven modal analysis A. Ianiro; Part IV. Dynamical Systems: 10. Linear dynamical systems and control S. Dawson; 11. Nonlinear dynamical systems S. Brunton; 12. Methods for system identification S. Brunton; 13. Modern tools for the stability analysis of fluid flows P. J. Schmid; Part V. Applications: 14. Machine learning for reduced-order modeling B. R. Noack, D. Fernex and R. Semaan; 15. Advancing reacting flow simulations with data-driven models K. Zdybal, G. D'Alessio, G. Aversano, M. R. Malik, A. Coussement, J. C. Sutherland and A. Parente; 16. Reduced-order modeling for aerodynamic applications and multidisciplinary design optimization S. Görtz, P. Bekemeyer, M. Abu-Zurayk, T. Franz and M. Ripepi; 17. Machine learning for turbulence control B. R. Noack, G. Y. Cornejo Maceda, F. Lusseyran; 18. Deep reinforcement learning applied to active flow control J. Rabault and A. Kuhnle; Part VI. Perspectives: 19. The Computer as scientist J. Jiménez; References.