BriefGPT - AI 论文速递
·
可微化神经集成无网格方法在有限应变超弹性正演和反演建模中的应用
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
神经一体化无网格（NIM）方法结合了传统无网格离散化技术和深度学习，提高了训练效率。在静态和瞬态基准问题上进行了实验，结果显示NIM方法在准确性和效率方面显著提高。
🎯
关键要点
- 神经一体化无网格（NIM）方法结合了传统无网格离散化技术和深度学习。
- NIM方法采用NeuroPU近似方案，有效表示解决方案。
- 通过功能空间分解增强了解决方案的表示，减少DNN模型大小和空间梯度计算需求。
- NIM框架下提出了两个无网格求解器：S-NIM和V-NIM。
- 在静态和瞬态基准问题上进行了广泛的数值实验，评估NIM方法的有效性。
- NIM方法在准确性、可扩展性、泛化性和收敛性方面表现良好。
- 与其他物理信息机器学习方法比较，NIM特别是V-NIM在预测能力上显著提高了准确性和效率。
🏷️
标签
➡️
