The rapid growth of data in large-scale simulations and time series analysis challenges traditional methods in capturing complex dependencies, necessitating advanced deep learning approaches. This work introduces neural network techniques, including variable-to-variable (V2V) transfer and neural fields, to efficiently represent and reconstruct dependencies. Models like MLPs and CNNs, combined with layer-wise relevance propagation (LRP), reduce computational demands and enhance the analysis of spatial and temporal dependencies in large datasets.     «

The rapid growth of data in large-scale simulations and time series analysis challenges traditional methods in capturing complex dependencies, necessitating advanced deep learning approaches. This work introduces neural network techniques, including variable-to-variable (V2V) transfer and neural fields, to efficiently represent and reconstruct dependencies. Models like MLPs and CNNs, combined with layer-wise relevance propagation (LRP), reduce computational demands and enhance the analysis of sp...     »

Die schnelle Zunahme von Daten in groß angelegten Simulationen und Zeitreihenanalysen stellt traditionelle Methoden vor Herausforderungen, komplexe Abhängigkeiten zu erfassen, was fortschrittliche Deep-Learning-Ansätze erfordert. Diese Arbeit stellt neuronale Netztechniken wie den Variable-to-Variable (V2V)-Transfer und neuronale Felder vor, um Abhängigkeiten effizient darzustellen und zu rekonstruieren. Modelle wie MLPs und CNNs, in Kombination mit der layer-wise relevance propagation (LRP), reduzieren die Rechenanforderungen und verbessern die Analyse räumlicher und zeitlicher Abhängigkeiten in großen Datensätzen.     «

Die schnelle Zunahme von Daten in groß angelegten Simulationen und Zeitreihenanalysen stellt traditionelle Methoden vor Herausforderungen, komplexe Abhängigkeiten zu erfassen, was fortschrittliche Deep-Learning-Ansätze erfordert. Diese Arbeit stellt neuronale Netztechniken wie den Variable-to-Variable (V2V)-Transfer und neuronale Felder vor, um Abhängigkeiten effizient darzustellen und zu rekonstruieren. Modelle wie MLPs und CNNs, in Kombination mit der layer-wise relevance propagation (LRP), re...     »