12:08
官方账号arXiv cs.LG@Somesh Pratap Singh, Govinda Anantha Padmanabha, Jingye Tan, Steven Yang, Reese E. Jones, D. Thomas Seidl, Nikolaos Bouklas
推荐理由：这篇论文提出了iPANN和fPANN，用区间和模糊集处理本构建模中的不确定性，能包围噪声观测，还能把不确定性传到有限元仿真里。
物理增强神经网络
共 1 条相关 AI 资讯
7月23日
12:08
提出区间和模糊物理增强神经网络（iPANN和fPANN）用于不确定性超弹性本构建模。iPANN通过学习稀疏的自由能密度下界、均值和上界，经自动微分得到应力，从而包围含噪声的应力观测。fPANN利用alpha-cut插值将iPANN分支嵌入模糊集表示，生成嵌套的可接受响应族。模型在合成各向异性超弹性数据上评估，包含异方差噪声、不同随机实现和噪声幅度变化，结果显示学习到的界限包围噪声观测并泛化到测试集。此外，在有限元仿真中展示了通过iPANN模型上下界预测进行不确定性传播的能力。