基于深度学习的模块化加载协议用于Bouc-Wen类模型的参数估计
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了Bouc-Wen类模型参数估计的效率问题，提出了一种模块化的深度学习加载协议。该协议通过构建最优加载历史和基于CNN的快速参数估计，显著减少了总分析时间，同时保持或提高了估计精度，可扩展至其他滞回模型。
MagNet Challenge 2023呼吁利用数据驱动模型来估计环形铁氧体芯的功率损耗。HARDCORE方法通过残差卷积神经网络，结合物理信息和特征工程，训练模型以提高估计精度，最低相对误差为8%。
