BriefGPT.xyz
Ask
alpha
关键词
data-driven constitutive modeling
搜索结果 - 2
物理增强神经网络的极度稀疏化方法用于机械学中可解释的模型发现
利用神经网络的数据驱动本构模型,在加入物理和机制约束的同时,通过训练及 $l^0$ 正则化的方法,实现了可解释性和可信赖性的简约化表征,适用于可压缩与不可压缩高弹性、屈服函数和强化模型的合成和实验数据。
PDF
9 months ago
张量基神经网络的应力表示:与 Finger-Rivlin-Ericksen 的替代配方
基于数据驱动的神经网络和经典表示定理的本构建模框架因其易于整合本构约束和卓越的泛化性能而受到广泛关注。本研究通过测试多种不同张量基生成器的模型,对有限变形情况下的高弹性材料进行建模,包括一些尚未探索使用与 Finger-Rivlin-Eri
→
PDF
a year ago
Prev
Next