Efficient Prediction of Shallow-Water Acoustic Transmission Loss Using a Hybrid Variational Autoencoder–Flow Framework

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	Journal of Marine Science and Engineering vol. 13, no. 7 (2025), p. 1325-1348
1. Verfasser:	Bolin, Su
Weitere Verfasser:	Wang, Haozhong, Zhu Xingyu, Song Penghua, Li, Xiaolei
Veröffentlicht:	MDPI AG
Schlagworte:	Accuracy Shallow water Datasets Flow Transmission loss Mapping Computer applications Batch processing Telecommunications Deep learning Prediction models Propagation Computation Acoustics Sound transmission Neural networks Computational efficiency Sound velocity Variables Communications systems Controllability Physical properties Learning Underwater Computing time Waveguides Environmental
Online-Zugang:	Citation/Abstract Full Text + Graphics Full Text - PDF
Tags:	Tag hinzufügen Keine Tags, Fügen Sie das erste Tag hinzu!

Schreiben Sie den ersten Kommentar!