期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
自适应多保真数据融合的神经网络模型
1
作者
陈柏宁
谢芳芳
孟旭辉
《气体物理》
2024年第4期1-8,共8页
数据驱动的深度学习建模在力学、材料等不同学科中得到了较多应用。深度学习建模的精度依赖大量高保真数据。在实际应用中,高保真数据往往是少量且昂贵的,而低保真数据却是成本低廉且数量较多的。当高保真数据量过少时,深度学习建模精...
数据驱动的深度学习建模在力学、材料等不同学科中得到了较多应用。深度学习建模的精度依赖大量高保真数据。在实际应用中,高保真数据往往是少量且昂贵的,而低保真数据却是成本低廉且数量较多的。当高保真数据量过少时,深度学习建模精度较低。近期发展的多保真深度神经网络,通过融合不同保真度的数据,在高保真数据较少时,依然保持了较高的建模精度。然而,已有的多保真深度神经网络模型的精度较为依赖针对模型参数的正则化调节。当添加的正则化过强时,网络对非线性关联式的拟合能力不足;当添加的正则化强度不够时,在学习多保真数据间的线性关联关系时又会出现过拟合现象。两者都会严重影响模型的预测精度。在缺乏高保真验证数据集时,较难得到最优的正则化系数。为此,通过改进已有多保真网络模型的损失函数,引入一个与线性关联式相关的参数,提出了自适应多保真数据融合的神经网络模型。该模型能根据给定数据自适应地拟合不同保真度数据间的线性或非线性关系,对正则化依赖较小,从而提高了建模的鲁棒性。在多个标准测试案例及实际应用的翼型气动参数的预测中,该模型均能表现出较高的精度和稳定性。
展开更多
关键词
深度学习
多
保真
深度神经网络
多
保真
建模
自适应多
保真
数据融合的神经网络
模型
气动分布
在线阅读
下载PDF
职称材料
空间映射与响应面法相结合的结构优化
被引量：
3
2
作者
张立新
高学仕
+1 位作者
付志远
郝小龙
《石油大学学报（自然科学版）》
EI
CSCD
北大核心
2005年第3期92-95,105,共5页
应用空间映射与响应面方法实现了由低保真模型到高保真模型的响应面映射,在原有空间映射方法的基础上将一类结构优化问题构造为标准二次规划模型,有利于高保真模型的优化求解,且解决了空间映射方法中低保真模型设计变量更新困难的问题...
应用空间映射与响应面方法实现了由低保真模型到高保真模型的响应面映射,在原有空间映射方法的基础上将一类结构优化问题构造为标准二次规划模型,有利于高保真模型的优化求解,且解决了空间映射方法中低保真模型设计变量更新困难的问题。此方法可大大减少应用序列RSM方法进行结构多学科优化时的重分析计算量。数值算例表明此方法可获得较好的求解效率和精度。
展开更多
关键词
空间映射
响应面法
替代
模型
结构优化
响应面映射
序列RSM方法
重分析近似法
保真模型
二次规划
在线阅读
下载PDF
职称材料
题名
自适应多保真数据融合的神经网络模型
1
作者
陈柏宁
谢芳芳
孟旭辉
机构
华中科技大学数学与统计学院
浙江大学航空航天学院
出处
《气体物理》
2024年第4期1-8,共8页
基金
国家自然科学基金委基金(12201229,92271107)。
文摘
数据驱动的深度学习建模在力学、材料等不同学科中得到了较多应用。深度学习建模的精度依赖大量高保真数据。在实际应用中,高保真数据往往是少量且昂贵的,而低保真数据却是成本低廉且数量较多的。当高保真数据量过少时,深度学习建模精度较低。近期发展的多保真深度神经网络,通过融合不同保真度的数据,在高保真数据较少时,依然保持了较高的建模精度。然而,已有的多保真深度神经网络模型的精度较为依赖针对模型参数的正则化调节。当添加的正则化过强时,网络对非线性关联式的拟合能力不足;当添加的正则化强度不够时,在学习多保真数据间的线性关联关系时又会出现过拟合现象。两者都会严重影响模型的预测精度。在缺乏高保真验证数据集时,较难得到最优的正则化系数。为此,通过改进已有多保真网络模型的损失函数,引入一个与线性关联式相关的参数,提出了自适应多保真数据融合的神经网络模型。该模型能根据给定数据自适应地拟合不同保真度数据间的线性或非线性关系,对正则化依赖较小,从而提高了建模的鲁棒性。在多个标准测试案例及实际应用的翼型气动参数的预测中,该模型均能表现出较高的精度和稳定性。
关键词
深度学习
多
保真
深度神经网络
多
保真
建模
自适应多
保真
数据融合的神经网络
模型
气动分布
Keywords
deep learning
multi-fidelity deep neural networks
multi-fidelity modeling
adaptive multi-fidelity composite deep neural networks
aerodynamic distribution
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
空间映射与响应面法相结合的结构优化
被引量：
3
2
作者
张立新
高学仕
付志远
郝小龙
机构
中国石油大学机电工程学院
四川石油管理局川西南恒达实业公司
中国石油天然气第一建设公司
出处
《石油大学学报（自然科学版）》
EI
CSCD
北大核心
2005年第3期92-95,105,共5页
基金
国家自然科学基金(10072005)
北京市自然科学基金(3042002)
+1 种基金
北京市教委资助项目(KM200410005019)
美国MSC公司支持的课题
文摘
应用空间映射与响应面方法实现了由低保真模型到高保真模型的响应面映射,在原有空间映射方法的基础上将一类结构优化问题构造为标准二次规划模型,有利于高保真模型的优化求解,且解决了空间映射方法中低保真模型设计变量更新困难的问题。此方法可大大减少应用序列RSM方法进行结构多学科优化时的重分析计算量。数值算例表明此方法可获得较好的求解效率和精度。
关键词
空间映射
响应面法
替代
模型
结构优化
响应面映射
序列RSM方法
重分析近似法
保真模型
二次规划
Keywords
space mapping
response surface methodology
surrogate model
structural optimization
分类号
O221 [理学—运筹学与控制论]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
自适应多保真数据融合的神经网络模型
陈柏宁
谢芳芳
孟旭辉
《气体物理》
2024
0
在线阅读
下载PDF
职称材料
2
空间映射与响应面法相结合的结构优化
张立新
高学仕
付志远
郝小龙
《石油大学学报（自然科学版）》
EI
CSCD
北大核心
2005
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
