무인 항공기(UAV)의 설계 및 최적화 단계에서, 고신뢰도 공기역학 분석 방법은 종종 높은 계산 비용과 함께 제공되어 설계 탐색의 효율성을 상당히 제한합니다. 이 문제를 해결하기 위해 능동적 전이 학습을 기반으로 한 다중 신뢰도 대리 모델링 방법이 제안됩니다. 이 방법은 다중 신뢰도 분석 모델 간의 암묵적 상관관계를 캡처하기 위해 전이 학습을 활용하며, 모델 구축 동안의 계산 비용을 줄이기 위해 능동 학습 기반의 적응 샘플링 전략을 도입합니다. 계산 부담을 더욱 줄이기 위해, 고가치 샘플을 효율적으로 선택하는 Gaussian 프로세스 회귀 지원 능동 학습 기준이 마련되며, 특성 일관성을 보장하고 수렴을 가속화하며 전이 과정 동안의 강인성을 향상시키기 위한 모델 업데이트 전략이 설계됩니다. NACA 0012 에어포일 공기역학 분석 및 스트럿 브레이스를 가진 날개 공기역학 분석 사례에 대한 수치 벤치마크가 제안된 방법을 검증하기 위해 수행됩니다. 결과는 제안된 방법이 전통적인 접근 방식과 비교하여 적은 샘플 조건에서 더 높은 정확도를 달성함을 보여줍니다.
Yang et al. (Thu,)는 이 질문을 연구했습니다.