.png){kind=icon}
返回
Physics-Informed Extreme Learning Machine framework for solving linear elasticity mechanics problems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ijsolstr.2024.113157.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在用于弹性力学的基于神经网络的方法 (诸如物理通知神经网络 (PINNs)) 中，由于多次优化迭代和依赖于梯度计算的自动微分，训练过程通常是耗时的。本文提出了一种新颖的框架，该框架将物理信息极限学习机 (PIELM) 与线性弹性力学相结合，重点研究了离散化算子与线性弹性力学原理的集成。这些离散化算子是基于PIELM中高阶导数的形式以及控制方程和边界条件构造的。通过在配置点上应用离散化运算符，将物理信息合并到损失函数中。通过最小二乘法计算该方法的解，确定输出权重。与PINN在非线性载荷和几何缺陷下的比较表明，PIELM实现了优越的误差控制和预测精度。此外，在具有解析解的三维问题中，与有限元方法 (FEM) 相比，PIELM在评估的误差范数方面更加精确。总之，所提出的方法为线性弹性提供了一种稳健而有效的替代方法。
Keyword:
Linear elasticity mechanics
Computational mechanics
Physics-Informed Extreme Learning Machine
Discretization operator
期刊
IF:
3.8
论文数:
1.2W
被引数:
3.1W
机构
引用论文
Human thermoneutral zone and thermal comfort zone: effects of mild heat acclimation人类热中性区和热舒适区: 轻度热适应的影响
OAAI
OAAI分享收藏Bayesian physics-informed extreme learning machine for forward and inverse PDE problems with noisy data贝叶斯物理通知的极端学习机，用于带噪声数据的正向和反向PDE问题.png)
NEUROCOMPUTINGOAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏The mixed Deep Energy Method for resolving concentration features in finite strain hyperelasticity解决有限应变超弹性中浓度特征的混合深度能量方法OAAI
OAAI分享收藏
Nitric Oxide-Mediated Plasticity of Interconnections Between T-Stellate cells of the Ventral Cochlear Nucleus Generate Positive Feedback and Constitute a Central Gain Control in the Auditory System一氧化氮介导的腹侧耳蜗核T星状细胞之间互连的可塑性产生正反馈并构成听觉系统的中央增益控制OAAI
OAAI分享收藏Enriched physics-informed neural networks for 2D in-plane crack analysis: Theory and MATLAB code用于二维平面裂纹分析的丰富的物理信息神经网络: 理论和MATLAB代码OAAI
OAAI分享收藏Parametric deep energy approach for elasticity accounting for strain gradient effects考虑应变梯度效应的弹性参数深能量方法
PREAI
分享收藏Local extreme learning machines and domain decomposition for solving linear and nonlinear partial differential equations求解线性和非线性偏微分方程的局部极值学习机和区域分解OAAI
OAAI分享收藏
查看更多内容