基于数据驱动的设计优化的二阶段代理建模及应用于复合微结构生成
原文中文,约400字,阅读约需1分钟。发表于: 。提出了一种新颖的两阶段机器学习的代理建模框架,用于解决科学和工程领域中的反问题。该框架的独特贡献在于集成了符合推理,提供了一种多功能且高效的方法,可以广泛应用。通过进行基准测试和研究集中在纤维增强复合材料的微机械建模的工程应用,结果证实了我们提出的框架的优越性,因为它始终产生更可靠的解决方案。因此,引入的框架为促进机器学习的代理模型在实际应用中的相互作用提供了独特的视角。
该文章介绍了一种决策为中心的替代建模概念,用于实时环境下的非线性优化问题。通过学习简化的凸优化模型,最小化决策预测误差,验证了该框架在非线性化学过程中的有效性,并与标准的数据驱动替代建模方法进行了比较,证明了该方法的数据效率更高。