哈米德·雷扎·塔马登·贾罗米;尼拉杰·卡万（Neeraj Kavan Chakshu）;伊戈尔·萨佐诺夫;利昂·M·埃文斯。;托马斯·海维尔;Nithiarasu，佩鲁马尔 通过神经网络（深度学习）和计算传热进行数据驱动的反向建模。 （英语） 兹比尔1506.74503 计算。方法应用。机械。工程师。 369，文章ID 113217，18 p.（2020）. 总结：在这项工作中，使用深度学习方法研究了执行具有线性和非线性行为的反问题的潜力。在反问题中，边界条件是通过对速度或温度等变量的稀疏测量来确定的。虽然这在数学上对简单的问题是可以处理的，但对于复杂的问题来说，这可能是非常具有挑战性的。为了克服非线性和复杂的影响，在试验和误差的基础上使用蛮力方法来寻找近似解。随着机器学习算法的出现，现在可以更快、更准确地对反问题建模。为了证明机器学习可以用于解决反问题，我们提出了计算力学和机器学习之间的融合。要创建数据库，首先要解决正向问题。然后，该数据库用于训练机器学习算法。然后使用经过训练的算法根据假设的测量值确定问题的边界条件。对线性/非线性热传导、对流传导和自然对流问题进行了测试，其中边界条件通过提供三个、四个和五个温度测量值来确定。这项研究表明，所提出的计算力学和机器学习的融合是处理复杂逆问题的有效方法。 引用于4文件 MSC公司： 74S99型 固体力学中的数值方法和其他方法 65J22型 抽象空间中反问题的数值解法 74甲15 固体力学中的热力学 80甲19 扩散和对流传热传质、热流 关键词：逆建模;计算力学;机器学习;热传导;热对流传导;自然对流 PDF格式BibTeX公司 XML格式引用 \textit{H.R.Tamaddon-Jahromi}等人，计算。方法应用。机械。工程369，文章ID 113217，18 p.（2020；Zbl 1506.74503） 全文： 内政部 参考文献： [1] Ozisik，M.N。；Orlande，H.R.B.，《逆向传热》（2000），泰勒和弗朗西斯 [2] 季霍诺夫，A.N。；Goncharsky，A.V。；斯蒂芬诺夫，V.V。；Yagola，A.G.，《求解不适定问题的数值方法》（1995），Kluwer，Springer:Kluwer，Springer Dordrecht·Zbl 0831.65059号 [3] 英国，H.W。；汉克，M。；Neubauer，A.，（反问题的正则化.反问题的正规化，数学及其应用，第375卷（2000），Kluwer学术出版集团：Kluwer-学术出版集团Dordrecht） [4] Ippoliti，E.，启发式推理，（《应用哲学、认识论和理性伦理学研究》（2015），施普林格国际出版社：施普林格瑞士国际出版社），1-2 [5] Pearl，J.，《启发式：计算机问题解决的智能搜索策略》，3（1984），美国：Addison-Wesley Pub。股份有限公司：美国：Addison-Wesley Pub。马萨诸塞州雷丁公司，检索日期：2017年6月13日 [6] 研究员，M.R。；Fomin，F.V。；Lokshtanov，D。；罗萨蒙德，F。；Saurabh，S。；Villanger，Y.，《本地搜索：暴力是可以避免的吗？》？，J.计算。系统科学。，78707-719（2012年）·Zbl 1244.68070号 [7] Jaluria，Y.，《逆问题和热系统的求解》，《热科学杂志》。工程应用。（2018），TSEA-18-1485 [8] Jaluria，Y.，《热力系统的设计与优化》（2008），CRC出版社：佛罗里达州博卡拉顿CRC出版社·Zbl 1171.80001号 [9] Bangian-Tabrizi，A。；Jaluria，Y.，对流传热问题逆解的优化策略，《国际传热杂志》，1241147-1155（2018） [10] Zhang，Y。；水华，W。；Ji，G.，《粒子群优化算法及其应用的综合综述》，数学。问题。工程，2015，1-38（2015）·Zbl 1394.90588号 [11] 沃罗宁，S。；Zaroli，C.，反问题计算方法综述（2018） [12] Yaman，F。；Yakhno，V.G.公司。；Potthast，R.，应用科学反问题调查，数学。问题。Eng.（2013），文章ID 976837·Zbl 1299.35321号 [13] 塞纳西，S。；Felde，I.，使用多个图形加速器解决二维逆热传导问题，计算。方法应用。机械。工程，336286-303（2018）·Zbl 1440.74442号 [14] Bengio，Y.，《学习人工智能的深层架构》，Found。趋势马赫数。学习。，2, 1-127 (2009) ·Zbl 1192.68503号 [15] 卡普阿诺，G。；Rimoli，J.J.，《智能有限元：一种新的机器学习应用，计算》。方法应用。机械。工程，345363-381（2019）·Zbl 1440.65190号 [16] Kirchdoerfer，T。；Ortiz，M.，数据驱动计算力学，计算。方法应用。机械。工程，304，81-101（2016）·Zbl 1425.74503号 [17] Chollet，F.，《Python深度学习》（2018），曼宁出版公司。 [18] LeCun，Y。；Y.本吉奥。；Hinton，G.，《深度学习》，《自然》，521436-444（2015） [19] Yagawa，G。；Okuda，H.，计算力学中的神经网络，Arch。计算。方法工程，3，4，435-512（1996） [20] Yang，K.T.，人工神经网络（ANN），热科学与工程的新范式，《传热学杂志》，130（2008），/093001-1 [21] X.Guo，W.Li，F.Iorio，用于稳定流近似的卷积神经网络，载于：第22届ACM SIGKDD国际知识、发现和数据挖掘会议论文集，2016年，第481-490页。 [22] Schmidhuber，J.，《深度CNN在GPU上赢得的计算机视觉比赛历史》（2017年），2019年1月14日检索 [23] Oishi，A。；Yagawa，G.，通过深度学习增强的计算力学，计算。方法应用。机械。工程，327327-351（2017）·Zbl 1439.74458号 [24] Chanda，S。；Balaji，C。；Venkateshan，S.P。；Yenni，G.R.，使用基于ANN-GA的反演技术估算层状蜂窝复合材料的主导热系数，国际J.Therm。科学。，111, 423-436 (2017) [25] Nithiarasu，P。；刘易斯，R.W。；Seetharamu，K.N.，《热和流体流动有限元法基础》（2016），John Wiley and Sons Ltd·Zbl 1348.80001号 [26] Nithiarasu，P。；Seetharamu，K.N。；Sundararajan，T.，流体饱和多孔介质中流动、传热和传质的有限元建模，Arch。计算。方法。工程师。，9, 1, 3-42 (2002) ·Zbl 1001.76059号 [27] Urban，G。；Geras，K.J。；易卜拉希米·卡胡，S。；阿斯兰。；王，S。；卡鲁阿纳，R。；Mohamed，A。；Philipose，M。；Richardson，M.，深度卷积网真的需要深度（甚至卷积）吗？（2016），CoRR，abs/1603.05691 [28] Kingma，D.P。；Ba，J.，Adam：随机优化方法（2014） [29] 齐恩基维茨，O.C。；Taylor，R.L。；Nithiarasu，P.，流体动力学有限元方法（2013），爱思唯尔 [30] Hughes，T.J.R.，《有限元方法：线性静态和动态有限元分析》（2012），Courier Corporation [31] Shapley，L.，n人博弈的一个值，（控制博弈论，II.控制博弈论，II，Ann.Math.Stul.，28（1953）），307-317·Zbl 0050.14404号 [32] A.B.欧文。；Prieur，C.，关于测量依赖输入重要性的shapley值，SIAM/ASA J.不确定。数量。，5, 1, 986-1002 (2017) ·Zbl 1386.65064号 [33] 伦德伯格，S.M。；Lee，S.-I.，解释模型预测的统一方法，（神经信息处理系统进展，第30卷（2017）），4765-4774 [34] 丁·D。；汤森，P。；韦伯斯特，M.F.，非牛顿流体瞬态热流的计算机模拟，J.non-Newton。流体力学。，47, 239-265 (1993) ·Zbl 0774.76004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。