computational mechanics | BriefGPT

关键词computational mechanics

搜索结果 - 7

神经融合 Mesnfree（NIM）方法：一种基于可微分编程的计算力学混合求解器
神经一体化无网格（NIM）方法，将传统基于物理的无网格离散化技术与深度学习结合，采用相结合的近似方案 NeuroPU 来有效地表示解决方案，通过功能空间分解增强了解决方案的表示，并减少了 DNN 模型的大小和基于自动微分的空间梯度计算的需求
PDF7 months ago
确定性计算力学中的深度学习
深度学习在确定性计算力学中的应用和方法进行了五个主要类别的探索和总结：仿真替代、仿真增强、离散化作为神经网络、生成方法和深度强化学习。该综述着重介绍了深度学习方法而非计算力学应用，旨在帮助那些即将进入该领域或希望了解计算力学中的深度学习的研
PDF9 months ago
有限元方法的八十年：诞生、演化与未来
本文从历史的角度出发，主要侧重于分析有限元方法在固体和结构力学方面的应用及其相关发展，以及有限元方法在流体力学、传热和流体 - 结构相互作用等领域中的重要影响。该论文将 FEM 的发展划分为四个时期：I.（1941-1965）FEM 的早期
PDF3 years ago
基于物理学信息的无标签数据计算弹性动力学的深度学习
本文提出了一种基于物理学信息神经网络（PINN）的方法来解决在没有标注数据的情况下建模弹性动力学问题的挑战，进一步解决了复杂的 I/BCs 在弱正则化 PINN 框架下无法很好满足的问题，在多个数值弹性例子中展示了该方法的可行性。
PDF4 years ago
IJCAI通用人工智能挑战 - 第一轮：渐进式学习
本文简要介绍了 General AI Challenge 的第一轮比赛，其着眼于针对使用已学习的知识来高效学习解决随后问题的渐进式学习能力。文章详细提出了该挑战赛的灵感、目标、挑战描述以及基于计算机力学的课程设置的初步分析。
PDF7 years ago
输入输出过程的计算机力学：结构转换和 ε- 转换器
本文介绍了一种新的计算力学方法来对通信渠道进行结构分析，得出了最佳模型 $\epsilon$-transducer，为研究中的联合过程和输入过程提供了原则性的结构分析。
PDF10 years ago
计算力学：模式与预测，结构与简约
本文探讨计算力学的方法来定义复杂的结构，并给出了发现因果状态的方法。本文论述了因果状态表示 - epsilon 机是一致准确预测的最小表示之一，并与其他表示进行比较。此外文章将 epsilon 机和符合人类直觉或信息理论中的随机性和结构复杂
PDF25 years ago