两种几何条件神经网络预测室内环境对比

一篇新提交的 arXiv 论文对比了画布式神经网络（CaNN）与坐标式神经网络（CoNN）两种几何条件代理模型，用于不同房间尺寸下的室内气流与温度场实时预测。两者均采用 U-Net 自编码器分别预测气流与温度场，区别在于几何条件编码方式：CaNN 在固定画布中保留不同占用区域以显式编码房间尺寸，CoNN 则使用归一化坐标通道。 在高度和长度变化的简化房间基准上，作者报告 CaNN 与 CFD 结果的一致性高于 CoNN。该结论目前仅基于这一受控简化基准，尚未涉及更复杂房间几何或真实场景。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。