ADE-FEMU：可微有限元模型更新框架
热点事件持续更新
ADE-FEMU：可微有限元模型更新框架
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Matthias Knipper等作者提出端到端可微的有限元模型更新框架ADE-FEMU，将本构神经网络嵌入JAX-FEM非线性求解器，通过梯度最小化测量失配损失来识别网络参数。该方法称可仅凭有限动力学信息在结构变形数据上完成训练。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
ADE-FEMU：用自动微分从结构变形数据中学习本构神经网络报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv：cs.AIADE-FEMU：用自动微分从结构变形数据中学习本构神经网络
ADE-FEMU 是一个端到端可微框架，将本构神经网络嵌入 JAX-FEM 非线性求解器，通过梯度最小化测量失配损失来识别参数，可仅凭有限动力学信息在结构数据上训练。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。