新方法M-NEM提升异质复合材料仿真精度
热点事件持续更新
新方法M-NEM提升异质复合材料仿真精度
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Pius J. M. Wichmann 等作者提出基于网格的神经能量方法 M-NEM，用于异质复合材料仿真。该方法通过形状函数插值节点位移施加运动学约束以抑制振荡，并用代数形状函数导数和高阶高斯求积替代自动微分。 在可直接对比的基准问题上，M-NEM 相对传统 C-NEM 将应力误差降低最多三个数量级，速度快一到两个数量级；在两个极端刚度对比基准中，仅 M-NEM 收敛。对比研究显示，RBFNN 在 M-NEM 中表现最优。
AI 根据报道生成 · 1 小时前更新
最新进展10月9日 12:00
基于网格的神经能量方法 M-NEM：用 RBFNN 模拟异质复合材料报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.LG基于网格的神经能量方法 M-NEM：用 RBFNN 模拟异质复合材料
研究提出基于网格的神经能量方法 M-NEM，通过形状函数插值节点位移施加运动学约束以抑制振荡，并用代数形状函数导数和高阶高斯求积替代自动微分。在可直接对比的基准问题上，M-NEM 相对传统 C-NEM 将应力误差降低最多三个数量级，速度快一到两个数量级，且在两个极端刚度对比基准中仅 M-NEM 收敛。对比研究显示，RBFNN 在 M-NEM 中表现最优。
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。