On the Use of Machine Learning for Subgrid Scale Filtered Density Function Modelling in Large Eddy Simulations of Combustion Systems

Recherche avancée | Historique de recherche Mon DI-fusion | À propos de DI-fusion | Contact |

Référence Machine Learning and Its Application to Reacting Flows, Springer International Publishing
Publication Publié, 2023-01

Partie d'ouvrage collectif

Fichier importé via le DOI

Data-driven models and digital twins for sustainable combustion technologies
par Parente, Alessandro , Swaminathan, Nedunchezhian
Publication 2024-04
Application of an artificial neural network to sub-filter density function estimation for turbulent flames simulation
par Yang, Hanying , Iavarone, Salvatore , Massey, James C , Swaminathan, Nedunchezhian
Publication 2023-01
Towards a generalised artificial neural network for sub-grid filtered density function closure in turbulent combustion
par Yang, Hanying , Kobayashi, Tota , Iavarone, Salvatore , Massey, James C , Chen, Zhi X. , Minamoto, Yuki , Swaminathan, Nedunchezhian
Publication 2023-06-01
A data-driven, physics-informed framework for sub-grid combustion closure using artificial neural network.
par Iavarone, Salvatore , Pequin, Arthur , Swaminathan, Nedunchezhian , Parente, Alessandro
Publication 2023-01
Machine Learning and Its Application to Reacting Flows:ML and Combustion
par Swaminathan, Nedunchezhian , Parente, Alessandro
Publication 2023-01-01

Référencement	Visibilité	Pérennité	Facilité
Les publications encodées constituent la bibliographie académique de l'Université.	Les documents déposés sont indexés par les moteurs de recherche (Google Scholar,…).	Les documents déposés en open-access sont archivés au sein du réseau de préservation SAFE-PLN (www.safepln.org).	Les listes de publications sont compatibles avec le CV-ULB, le FNRS et accessibles sur le web.