BriefGPT - AI 论文速递
·
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。
📝
内容提要
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%。
🎯
关键要点
-
MagNet Challenge 2023呼吁利用数据驱动模型估计环形铁氧体芯的功率损耗。
-
HARDCORE方法使用残差卷积神经网络，结合物理信息和特征工程，提高估计精度。
-
模型通过重建bh曲线并基于曲线面积估计功率损耗，具有物理可解释性。
-
每种材料从头开始训练模型，拓扑结构保持不变。
-
模型大小与估计精度之间存在帕累托样式权衡，最低相对误差为8%。
➡️
