HyperAIHyperAI

Command Palette

Search for a command to run...

Console
il y a 4 mois

Calcul scientifique piloté par les données en élasticité via la régression par noyau

{Yoshihiro Kanno}

Résumé

Cet article présente une méthode simple de régression non paramétrique pour le calcul orienté données en élasticité. Nous appliquons la régression à noyau à un ensemble de données matérielles, puis formulons un système d’équations non linéaires dont la résolution permet d’obtenir l’état d’équilibre statique d’une structure élastique. Des expériences numériques préliminaires montrent que, par rapport aux méthodes existantes, la méthode proposée parvient à trouver une solution raisonnable même lorsque les points de données sont répartis de manière épaisse dans un ensemble de données matérielles donné.

Benchmarks

BenchmarkMéthodologieMétriques
stress-strain-relation-on-non-linearKernel Regression
Time (ms): 7.18

Construire l'IA avec l'IA

De l'idée au lancement — accélérez votre développement IA avec du co-codage IA gratuit, un environnement prêt à l'emploi et les meilleurs prix GPU.

Co-codage IA
GPU prêts à utiliser
Meilleurs prix
Commencer

Hyper Newsletters

Abonnez-vous à nos dernières mises à jour
Nous vous enverrons les dernières mises à jour de la semaine dans votre boîte de réception à neuf heures chaque lundi matin
Propulsé par MailChimp
Calcul scientifique piloté par les données en élasticité via la régression par noyau | Articles de recherche | HyperAI