×

NN-有效

swMATH ID: 46074
软件作者: 塔克尔卡兰,普拉卡什;阿克谢·乔希(Akshay Joshi);郑毅文;莫里茨·弗拉舍尔;劳拉·德·洛伦齐斯(Laura De Lorenzis);悉达恩·库马尔
描述: EUCLID代表高效无监督宪法识别和发现。访问项目网站了解更多信息。在本项目范围内,我们开发了NN-EUCLID:NN-EUCLIND是一个基于深度学习的框架,用于学习使用全场位移和全局反作用力测量的隐藏材料模型。下面我们对框架进行概述:(a,b)记录了准静态变形下超弹性试件的点位移和反作用力。使用点向位移和域(c)的有限元网格,可以获得连续的位移场和应变场(d,e)。基于物理一致性ICNN的本构模型集合(f)将应变场映射为应力场(在每个元素的正交点评估)(g)。应力场用于计算内外节点力(h,i)。基于线性动量守恒的弱形式,对于自由自由度(h),残余力在点上最小化(j),对于固定自由度(在具有测量反作用力的每组狄利克雷约束下),残余力被聚集(i)。迭代优化以训练基于ICNN的本构模型(f)的参数。
主页: https://arxiv.org/abs/2205.06664
源代码:  https://github.com/EUCLID-code/EUCLID-hyper弹性-NN
关键词: 机器学习;arXiv_cs。LG公司;计算工程、金融和科学;arXiv_cs。总工程师;本构建模;无监督学习;超弹性;神经网络;凸度
相关软件: 加拿大;亚当;torchdiffeq公司;FEniCS公司;贝叶斯-尤利德;ABAQUS公司;LSWR_密码_功能_PINN;SyFi系统;掌中宽带;AceFEM公司;自动材质;通用;FEBio公司;PySINDy公司
引用于: 12文件

按年份列出的引文