叶红玲;李继成;魏楠;隋云康 基于深度学习的结构拓扑优化的交叉分辨率加速设计。 （中文。英文摘要） Zbl 1488.74123号 下巴。J.计算。机械。 38，第4号，430-436（2021）. 总结：在传统的拓扑优化设计中，随着结构元素的增加，迭代计算花费了太多的时间。本文提出了一种基于深度学习的跨分辨率加速方法，以缩短拓扑优化设计的迭代过程，并生成高分辨率拓扑配置。引入深度学习模型，在低分辨率中间配置和高分辨率拓扑配置之间建立高维映射关系，并通过独立连续映射（ICM）方法建立数据集来训练深度学习模型。在获取预训练的深度学习模型时，将拓扑优化设计问题转化为图像处理中的风格转换问题。利用条件生成对抗神经网络（CGAN）解决交叉分辨率拓扑优化问题。数值实验验证了交叉分辨率加速方法用于拓扑优化的可行性。该方法具有良好的泛化性能，深度学习模型可以推广到其他优化设计问题。 引用于1文件 MSC公司： 第74页第15页 固体力学优化问题的拓扑方法 68T07型 人工神经网络与深度学习 关键词：拓扑优化;ICM方法;深度学习;交叉分辨率加速度设计 PDF格式BibTeX公司 XML格式引用 \textit{H.Ye}等人，Chin。J.计算。机械。38，第4号，430--436（2021；Zbl 1488.74123） 全文： 内政部