庄小英;郭宏伟;纳伊夫·阿拉伊兰;朱和华;蒂蒙·拉布祖克 基于深度自动编码器的能量法，用于基尔霍夫板的弯曲、振动和屈曲分析，带有传递学习。 （英语） Zbl 1484.74033号 欧洲力学杂志。，A、 固体 87，文章ID 104225，18 p.（2021）. 总结：本文提出了一种基于深度自动编码器的能量法（DAEM），用于基尔霍夫板的弯曲、振动和屈曲分析。DAEM利用了DAEM的高阶连续性，并在一个框架中集成了深度自动编码器和最小总势原理，从而产生了一种无监督的特征学习方法。DAEM是一种特殊类型的前馈深度神经网络（DNN），也可以用作函数逼近器。DAEM具有强大的特征提取能力，可以更有效地识别整个能量系统背后的模式，例如本文研究的场变量、固有频率和临界屈曲载荷因子。目标函数是最小化总势能。DAEM基于物理域内生成的配置点执行无监督学习，从而使所有点的总势能最小化。对于振动和屈曲分析，基于瑞利原理构造了损失函数，提取了基频和临界屈曲载荷。为基础力学模型提出了一个标度双曲正切激活函数，该函数满足连续性要求，并缓解了弯曲下的梯度消失/爆炸问题。DAEM是使用Pytorch和LBFGS优化器实现的。为了进一步提高计算效率和增强这种机器学习方法的通用性，我们采用了转移学习。对DAEM配置进行了全面的研究，针对几个具有不同几何形状、载荷条件和边界条件的数值示例。 引用于36文件 理学硕士： 74小时45 固体力学动力学问题中的振动 74G60型 分叉和屈曲 74K20型 盘子 74S99型 固体力学中的数值方法和其他方法 68T05型 人工智能中的学习和自适应系统 关键词：深度神经网络;激活函数;能量法;基尔霍夫板;振动;临界屈曲载荷;迁移学习 软件：L-BFGS公司;FPIN编号;达奇;DGM公司 PDF格式BibTeX公司 XML格式引用 \textit｛X.Zhuang｝等人，《欧洲机械杂志》。，A、 固体87，物品ID 104225，18 p.（2021；Zbl 1484.74033） 全文： 内政部 arXiv公司 参考文献： [1] 阿莫代伊·D·。；Ananthanaarayanan，S。；阿努拜，R。；Bai，J。；巴滕伯格，E。；外壳，C。；Casper，J。；Catanzaro，B。；Cheng，Q。；Chen，G.，Deep speech 2:英语和普通话中的端到端语音识别，（机器学习国际会议（2016）），173-182 [2] Anitescu，C。；阿托什琴科，E。；阿拉伊兰，N。；Rabczuk，T.，解二阶边值问题的人工神经网络方法，计算。马特。容器。，59, 1, 345-359 (2019) [3] Anwar，S。；Hwang，K。；Sung，W.，深度卷积神经网络的结构化剪枝，ACM J.Emerg.Technol。计算。系统。（JETC），13，3，32（2017） [4] Bathe，K.-J.，《有限元程序》（2006），克劳斯·尤尔根·Bathe [5] 贝克，C。；E、 W。；Jentzen，A.，高维完全非线性偏微分方程和二阶倒向随机微分方程的机器学习近似算法，J.非线性科学。（2019年）·Zbl 1442.91116号 [6] Y.本吉奥。；兰姆林，P。；波波维奇博士。；Larochelle，H.，深度网络的贪婪分层训练，（神经信息处理系统进展（2007）），153-160 [7] Brebbia，C.A。；Walker，S.，《工程中的边界元技术》（2016），Elsevier·Zbl 0444.73065号 [8] Bui，T.Q。；Nguyen，M.N.，用于基尔霍夫板自由振动分析的基于移动克里金插值的无网格方法，计算。结构。，89, 3-4, 380-394 (2011) [9] Ching，T。；Himmelstein，D.S。；博利厄·琼斯，B.K。；加里宁，A.A。；Do，B.T。；方式，G.P。；费雷罗，E。；阿加波，P.-M。；Zietz，M。；Hoffman，M.M.，《生物和医学深度学习的机会和障碍》，J.R.Soc.Interface，第15、141页，第20170387条，pp.（2018） [10] Dias，F.M。；Antunes，A。；Mota，A.M.，《人工神经网络：商业硬件评论》，《工程应用》。Artif公司。智力。，17, 8, 945-952 (2004) [11] Fischer，T。；克劳斯，C.，《金融市场预测的长短期记忆网络深度学习》，《欧洲期刊》。Res.，270，2，654-669（2018）·Zbl 1403.91387号 [12] Funahashi，K.-I.，关于用神经网络近似实现连续映射，神经网络。，2、3、183-192（1989），网址http://www.sciencedirect.com/science/article/pii/0893608089900038 [13] 古德费罗，I。；Y.本吉奥。；A.Courville，《深度学习》（2016），麻省理工学院出版社·Zbl 1373.68009号 [14] 郭，H。；郑华，薄壳问题的数值流形线性分析，薄壁结构。，124, 366-383 (2018) [15] 郭，H。；郑浩。；庄，X.，任意几何基尔霍夫板振动分析的数值流形方法，应用。数学。型号。，66, 695-727 (2019) ·Zbl 1481.74259号 [16] 郭，H。；庄，X。；Rabczuk，T.，基尔霍夫板弯曲分析的深度配置方法，CMC计算。马特。容器。，59, 2, 433-456 (2019) [17] Haghighat，E。；莱斯，M。；A.穆尔。；戈麦斯，H。；Juanes，R.，《固体力学解决方案和发现的深度学习框架》（2020），arXiv预印本arXiv:2003.02751 [18] Han，J。；Jentzen，A。；Weinan，E.，使用深度学习求解高维偏微分方程，Proc。国家。阿卡德。科学。，115, 34, 8505-8510 (2018) ·Zbl 1416.35137号 [19] He，J。；李，L。；徐，J。；Zheng，C.，Relu深度神经网络和线性有限元（2018），arXiv预印本arXiv:1807.03973 [20] 希顿，J。；Polson，N。；Witte，J.H.，金融深度学习：深度投资组合，应用。斯托克。模型总线。印度，33，1，3-12（2017）·Zbl 1420.91415号 [21] 辛顿，G.E。；Osindero，S。；Teh，Y.-W.，深度信念网络的快速学习算法，神经计算。，18, 7, 1527-1554 (2006) ·Zbl 1106.68094号 [22] Hornik，K.，多层前馈网络的逼近能力，神经网络。，4, 2, 251-257 (1991) [23] 霍尼克，K。；Stinchcombe，M。；White，H.，多层前馈网络是通用逼近器，神经网络。，2、5、359-366（1989），网址http://www.sciencedirect.com/science/article/pii/089360808990208 ·Zbl 1383.92015年 [24] Hughes，T.J.，《有限元法：线性静态和动态有限元分析》（2012），Courier Corporation [25] 雅格塔普，A.D。；川口，K。；Karniadakis，G.E.，《自适应激活函数加速深度和物理信息神经网络的收敛》，J.Compute。物理。，404，第109136条pp.（2020）·Zbl 1453.68165号 [26] Janocha，K。；Czarnecki，W.M.，关于分类中深层神经网络的损失函数，Schedae Inform。，1/2016 (2017) [27] Katsikadelis，J.T.，《工程师和科学家的边界元方法：理论和应用》（2016），学术出版社 [28] Kermany，D.S。；戈德鲍姆，M。；蔡伟（Cai，W.）。；瓦伦廷，C.C。；Liang，H。；巴克斯特，S.L。；McKeown，A。；Yang，G。；吴，X。；Yan，F.，通过基于图像的深度学习识别医疗诊断和可治疗疾病，Cell，172，5，1122-1131（2018） [29] 拉加里斯，I.E。；利卡斯，A。；Fotiadis，D.I.，求解常微分方程和偏微分方程的人工神经网络，IEEE Trans。神经网络。，9, 5, 987-1000 (1998) [30] 拉加里斯，I.E。；利卡斯，A.C。；Papageorgiou，D.G.，不规则边界边值问题的神经网络方法，IEEE Trans。神经网络。，11, 5, 1041-1049 (2000) [31] Lam，K。；洪，K。；Chow，S.，用改进的Rayleigh-ritz方法分析开孔板的振动，应用。灰尘。，28、1、49-60（1989），网址http://www.sciencedirect.com/science/article/pii/0003682X89900303 [32] LeCun，Y。；Y.本吉奥。；Hinton，G.，《深度学习，自然》，521，7553，436（2015） [33] Liew，K。；Kitipornchai，S。；梁，A。；Lim，C.，用离散里兹法分析带中心切口矩形板的自由振动，国际力学杂志。科学。，45，5945-959（2003），网址http://www.sciencedirect.com/science/article/pii/S00207403010097 ·Zbl 1089.74026号 [34] 刘，N。；Jeffers，A.E.，《几何上精确的等几何基尔霍夫板：保持特征的自动网格划分和c1有理三角Bézier样条离散》，国际。J.数字。方法工程，115，3，395-409（2018） [35] 刘博士。；Nocedal，J.，关于大规模优化的有限内存BFGS方法，数学。程序。，45, 1-3, 503-528 (1989) ·Zbl 0696.90048号 [36] 毛，Z。；雅格塔普，A.D。；Karniadakis，G.E.，《高速流动的物理信息神经网络》，计算。方法应用。机械。工程，360，第112789条pp.（2020）·Zbl 1442.76092号 [37] McCulloch，W.S。；Pitts，W.，《神经活动内在思想的逻辑演算》，布尔。数学。生物物理学。，5, 4, 115-133 (1943) ·Zbl 0063.03860号 [38] McFall，K.S。；Mahan，J.R.，求解精确满足任意边界条件的边值问题的人工神经网络方法，IEEE Trans。神经网络。，20, 8, 1221-1233 (2009) [39] 哈斯卡，H.N。；Poggio，T.，《深层网络与浅层网络：近似理论视角》，Anal。申请。，14, 06, 829-848 (2016) ·Zbl 1355.68233号 [40] Nassif，A.B。；沙欣，I。；阿提利，I。；阿泽，M。；Shaalan，K.，《使用深度神经网络的语音识别：系统综述》，IEEE Access（2019） [41] Nguyen，V.P。；Anitescu，C。；博尔达斯，S.P。；Rabczuk，T.，《等几何分析：概述和计算机实现方面》，数学。计算。模拟，11789-116（2015）·Zbl 07313396号 [42] Nguyen，V.P。；Rabczuk，T。；博尔达斯，S。；Duflot，M.，《无网格方法：综述和计算机实现方面》，数学。计算。模拟，79，3，763-813（2008），URLhttp://www.sciencedirect.com/science/article/pii/S037847540800062 ·Zbl 1152.74055号 [43] Nguyen-Thanh，V.M。；庄，X。；Rabczuk，T.，《有限变形超弹性的深能方法》，《欧洲力学杂志》。A固体，第103874条，第（2019）页·Zbl 1472.74213号 [44] Nielsen，M.A.，《神经网络和深度学习》，第25卷（2015年），《决定》出版社，旧金山：美国加利福尼亚州旧金山 [45] Ouyang，W.，Wang，X.，Zeng，X..，Qiu，S.，Luo，P.，Tian，Y.，Li，H.，Yang，S.。Wang，Z.，Loy，C.-C.等，2015年。Deepid-net：用于目标检测的可变形深度卷积神经网络，摘自：IEEE计算机视觉和模式识别会议论文集，第2403-2412页。 [46] 庞，G。；卢，L。；Karniadakis，G.E.，Fpinns:分数物理学信息神经网络，SIAM J.Sci。计算。，41、4、A2603-A2626（2019）·Zbl 1420.35459号 [47] Patterson，J。；Gibson，A.，《深度学习：从业者的方法》（2017），O'Reilly Media，Inc。 [48] Piegl，L。；Tiller，W.，《NURBS图书》（2012），Springer Science&Business Media [49] 莱斯，M。；佩迪卡里斯，P。；Karniadakis，G.，《基于物理的神经网络：解决非线性偏微分方程正问题和逆问题的深度学习框架》，J.Compute。物理。，378686-707（2019），网址http://www.sciencedirect.com/science/article/pii/S0021999118307125 ·Zbl 1415.68175号 [50] Ruder，S.，梯度下降优化算法概述（2016），arXiv预印本arXiv:1609.04747 [51] 邵，H。；姜浩。；赵，H。；Wang，F.，旋转机械故障诊断的新型深度自动编码器特征学习方法，机械。系统。信号处理。，95, 187-204 (2017) [52] Shufrin，I。；Eisenberger，M.，变厚度矩形板切口的半分析建模——自由振动分析，应用。数学。型号。，40、15、6983-7000（2016），网址http://www.sciencedirect.com/science/article/pii/S0307904X16300944 ·Zbl 1471.74029号 [53] 西里尼亚诺，J。；Spiliopoulos，K.，DGM：解偏微分方程的深度学习算法，J.Compute。物理。，375, 1339-1364 (2018) ·Zbl 1416.65394号 [54] 斯诺克，J。；亚当斯·R·P。；Larochelle，H.，使用标签信息的自动编码器表示的非参数指导，J.Mach。学习。决议，9月13日，2567-2588（2012）·Zbl 1433.68379号 [55] 斯里尼瓦萨，C。；Suresh，Y。；Kumar，W.P.，层压复合材料斜板的屈曲研究，国际计算杂志。申请。，37, 1, 35-47 (2012) [56] 蒂莫申科，S.P。；Woinowsky-Krieger，S.，《板壳理论》（1959），麦格劳-希尔·Zbl 0114.40801号 [57] Ventsel，E。；Krauthammer，T.，《薄板和壳体：理论：分析和应用》（2001），CRC出版社 [58] E.渭南。；Han，J。；Jentzen，A.，基于深度学习的高维抛物型偏微分方程和倒向随机微分方程数值方法，Commun。数学。Stat.，5，4，349-380（2017）·Zbl 1382.65016号 [59] E.渭南。；Yu，B.，《deep ritz方法：求解变分问题的基于深度学习的数值算法》，Commun。数学。统计，6，1，1-12（2018）·Zbl 1392.35306号 [60] Yang，L。；麦克伊克伦，A。；Mitra，P。；Onorati，T.，《（地理）文本和图像分类的视觉激活主动深度学习：综述》，ISPRS国际期刊《地理信息》，第7、2、65页（2018年） [61] Yang，L。；张，D。；Karniadakis，G.E.，《随机微分方程的物理信息生成对抗网络》（2018），arXiv预印本arXiv:1811.02033 [62] Yu，J。；郑，X。；Wang，S.，用于过程模式识别的深度自动编码器特征学习方法，J.process Control，79，1-15（2019） [63] 岳，T。；Wang，H.，《基因组学的深度学习：简明概述》（2018），arXiv预印本arXiv:1802.00810 [64] 张，D。；卢，L。；郭，L。；Karniadakis，G.E.，《量化物理信息神经网络中用于解决正向和反向随机问题的总不确定性》，J.Compute。物理。，397，第108850条pp.（2019）·Zbl 1454.65008号 [65] Zhang，Y。；王，C。；佩德罗索，D。；张浩，带矩形切口矩形板振动分析的hencky bar-net模型的推广，J.Sound Vib。，43265-87（2018），网址http://www.sciencedirect.com/science/article/pii/S0022460X18303900 [66] 赵，Z.-Q。；郑，P。；徐，S。；Wu，X.，《深度学习的对象检测：综述》，IEEE Trans。神经网络。学习。系统。(2019) [67] 郑浩。；刘，Z。；Ge，X.，厄米形式的数值流形空间及其在基尔霍夫薄板问题中的应用，国际。J.数字。方法工程，95，9，721-739（2013）·Zbl 1352.74462号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。