Aug, 2022

自组织映射神经网络算法在固态加工异种合金断裂位置确定中的应用

PDF
TL;DR本研究利用计算神经科学的方法，使用自组织映射神经网络来识别摩擦搅拌焊接中异种材料的断口位置，即热机械影响区的铜或铝。结果表明，该算法可以以 96.92% 的准确率预测断裂位置。
computational neuroscienceunsupervised machine learningself-organizing map neural networkfriction stir weldingfracture location
发现论文，激发创造
  • 多晶微结构神经网络加速的过程设计

    探索计算实验在优化材料结构以获得期望性能方面的应用，并利用多尺度方法研究处理 - 微观结构 - 材料性能的相互作用，开发基于神经网络的方法来减轻预测微观结构演变的计算负担，同时实现更快速且更优的材料优化。

    Apr, 2023

  • 利用自组织映射（SOMs）对等离子体子团不稳定性的完全动力学模拟进行无监督分类

    本文介绍了如何利用基于自组织映射（Self-Organizing Maps，SOM）的聚类方法来分析近期产生的空间物理过程的大量仿真和观测数据，并得出了聚类图，该图可以很好地定位整个过程中各个区域的特征，因此该方法是一种有前途的数据分析工具，可以用于空间物理过程的仿真和观测数据的分析。

    Apr, 2023

  • 简化弹塑性和断裂的神经应力场

    我们提出了一种用于弹塑性和断裂的减维模型的混合神经网络和物理框架，并演示了其在不同材料行为模拟中的强大计算效率。

    Oct, 2023

  • 应用监督机器学习和基于物理的机器学习方法预测铝合金摩擦搅拌堆焊的峰值温度分布

    通过结合监督式机器学习和基于物理的神经网络，本研究使用先进的方法预测了加性摩擦搅拌沉积（AFSD）过程中的峰值温度分布，为优化材料微结构提供了全面的见解。

    Sep, 2023

  • 极端力学力场中的规划和探索方法

    通过第一性原理计算生成的数据，我们开发了一个神经网络力场 NN-F3 来研究断裂，通过预先对应变态空间进行采样和积极学习技术来探索临界键合距离处的过渡态。模拟结果验证了最近的实验发现，并强调在预测极端机械过程中包括从第一性原理计算中获取的电子结构知识的必要性。

    Oct, 2023

  • 基于半监督学习和结构相似性的宏观断裂面分割

    通过对断裂表面进行深度学习模型的半监督训练，实现了对材料的断裂表面分割，研究了结构相似性的影响，并且在断裂力学评估中取得了显著的成功。

    Mar, 2024

  • 评估自组织映射可靠性的统计工具

    本文介绍了一些工具，用于测试特定自组织映射结果的置信度，测量自组织映射的量化误差和邻域关系，并且这些工具还可以用于客观测量自组织映射与其他神经网络模型相比更不敏感的情况。

    Jan, 2007

  • 应用迁移学习增强的物理知识神经网络用于断裂的相场建模

    本文提出一种基于物理知识的神经网络（PINN）算法，通过最小化系统的变分能量来求解脆性断裂问题，同时对神经网络输出进行修改以满足边界条件并采用迭代学习模式。通过在四个断裂力学问题上的验证，证明了该方法相对于常规的残差 PINN 算法具有更好的准确性和相对简单鲁棒的重要优势。

    Jul, 2019

  • 利用机器学习方法识别无序固体中的结构流动缺陷

    使用机器学习方法对局部结构进行分析，以识别在堵塞和玻璃体系中易受重排列影响的区域，并成功应用于两种不同的系统，并鉴别出与样本其余部分不同的流动缺陷特征，结果表明可以分辨出对杂乱材料的異質动力学施加影响的细微结构特征。

    Sep, 2014

  • 深度多结构形状分析：在神经解剖学中的应用

    提出一种基于深度神经网络的神经解剖学形态学的有监督学习方法，直接对原始点云进行操作，通过空间变换网络将数据映射到规范空间，并通过网络的端对端训练阶段学习最优表示，通过多个分支来学习多个结构的特征，应用于阿尔茨海默病和轻度认知障碍的预测和脑龄的回归，最后通过适应点云遮挡法来可视化预测解剖重要部位。

    Jun, 2018