Leseprobe
Amazon
iTunes
Thalia.de
Weltbild.de
Hugendubel
Bücher.de
ebook.de
kobo
Osiander
Google Books
Barnes&Noble
bol.com
Legimi
yourbook.shop
Kulturkaufhaus
ebooks-center.de
* Affiliatelinks/Werbelinks
* Affiliatelinks/Werbelinks
Hinweis: Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Deep Learning for Fluid Simulation and Animation
Fundamentals, Modeling, and Case Studies
Gilson Antonio Giraldi, Leandro Tavares da Silva, Antonio Lopes Apolinário Jr., et al.
PDF
ca. 48,14 €
Amazon
iTunes
Thalia.de
Weltbild.de
Hugendubel
Bücher.de
ebook.de
kobo
Osiander
Google Books
Barnes&Noble
bol.com
Legimi
yourbook.shop
Kulturkaufhaus
ebooks-center.de
* Affiliatelinks/Werbelinks
* Affiliatelinks/Werbelinks
Hinweis: Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Springer International Publishing 
Naturwissenschaften, Medizin, Informatik, Technik / Analysis
Beschreibung
This book is an introduction to the use of machine learning and data-driven approaches in fluid simulation and animation, as an alternative to traditional modeling techniques based on partial differential equations and numerical methods – and at a lower computational cost.
This work starts with a brief review of computability theory, aimed to convince the reader – more specifically, researchers of more traditional areas of mathematical modeling – about the power of neural computing in fluid animations. In these initial chapters, fluid modeling through Navier-Stokes equations and numerical methods are also discussed.
The following chapters explore the advantages of the neural networks approach and show the building blocks of neural networks for fluid simulation. They cover aspects related to training data, data augmentation, and testing.
The volume completes with two case studies, one involving Lagrangian simulation of fluids using convolutional neural networks and the other using Generative Adversarial Networks (GANs) approaches.
Weitere Titel in dieser Kategorie
Kundenbewertungen
Schlagwörter
Navier-Stokes equations, data preparation, neural rendering, neural networks, rendering, deep learning, data augmentation, fluid simulation, Lagrangian fluid simulation, animation, differentiable rendering, GAN