ترجمه فارسی مقاله به کارگیری اپراتورهای آگاه از فیزیک برای مشکلات تجزیه و تحلیل قابلیت اطمینان با ابعاد بالا

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Harnessing physics-informed operators for high-dimensional reliability analysis problems
عنوان مقاله به فارسی به کارگیری اپراتورهای آگاه از فیزیک برای مشکلات تجزیه و تحلیل قابلیت اطمینان با ابعاد بالا
نویسندگان N Navaneeth, Tushar, Souvik Chakraborty
فرمت مقاله انگلیسی PDF
تعداد صفحات 23
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Numerical Analysis,Machine Learning,تجزیه و تحلیل عددی , یادگیری ماشین ,
توضیحات Submitted 7 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال 7 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Reliability analysis is a formidable task, particularly in systems with a large number of stochastic parameters. Conventional methods for quantifying reliability often rely on extensive simulations or experimental data, which can be costly and time-consuming, especially when dealing with systems governed by complex physical laws which necessitates computationally intensive numerical methods such as finite element or finite volume techniques. On the other hand, surrogate-based methods offer an efficient alternative for computing reliability by approximating the underlying model from limited data. Neural operators have recently emerged as effective surrogates for modelling physical systems governed by partial differential equations. These operators can learn solutions to PDEs for varying inputs and parameters. Here, we investigate the efficacy of the recently developed physics-informed wavelet neural operator in solving reliability analysis problems. In particular, we investigate the possibility of using physics-informed operator for solving high-dimensional reliability analysis problems, while bypassing the need for any simulation. Through four numerical examples, we illustrate that physics-informed operator can seamlessly solve high-dimensional reliability analysis problems with reasonable accuracy, while eliminating the need for running expensive simulations.

چکیده به فارسی (ترجمه ماشینی)

تجزیه و تحلیل قابلیت اطمینان یک کار فوق العاده است ، به ویژه در سیستم هایی با تعداد زیادی از پارامترهای تصادفی.روشهای متعارف برای کمیت قابلیت اطمینان اغلب به شبیه سازی های گسترده یا داده های تجربی متکی هستند ، که می تواند پرهزینه و وقت گیر باشد ، به ویژه هنگام برخورد با سیستم های حاکم بر قوانین فیزیکی پیچیده که به روشهای عددی محاسباتی مانند عنصر محدود یا تکنیک های حجم محدود نیاز دارد.از طرف دیگر ، روشهای مبتنی بر جانشین با تقریب مدل زیرین از داده های محدود ، جایگزین کارآمد برای محاسبات قابلیت اطمینان را ارائه می دهند.اپراتورهای عصبی اخیراً به عنوان جانشین مؤثر برای مدل سازی سیستم های فیزیکی اداره شده توسط معادلات دیفرانسیل جزئی ظاهر شده اند.این اپراتورها می توانند برای ورودی ها و پارامترهای مختلف راه حل هایی برای PDE ها بیاموزند.در اینجا ، ما به بررسی اثربخشی اپراتور عصبی موجک آگاهانه که اخیراً توسعه یافته است در حل مشکلات تجزیه و تحلیل قابلیت اطمینان.به طور خاص ، ما امکان استفاده از اپراتور آگاه از فیزیک برای حل مشکلات تجزیه و تحلیل قابلیت اطمینان بالا را بررسی می کنیم ، در حالی که از نیاز به هرگونه شبیه سازی استفاده می کنیم.از طریق چهار مثال عددی ، ما نشان می دهیم که اپراتور آگاه از فیزیک می تواند یکپارچه مشکلات تجزیه و تحلیل قابلیت اطمینان بالا را با دقت معقول حل کند ، در حالی که نیاز به اجرای شبیه سازی های گران قیمت را از بین می برد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.