ترجمه فارسی مقاله طراحی توپولوژی مبتنی بر داده بر اساس تجزیه و تحلیل مؤلفه های اصلی برای مشکلات طراحی ساختاری سه بعدی

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 Data-driven topology design based on principal component analysis for 3D structural design problems
عنوان مقاله به فارسی طراحی توپولوژی مبتنی بر داده بر اساس تجزیه و تحلیل مؤلفه های اصلی برای مشکلات طراحی ساختاری سه بعدی
نویسندگان Jun Yang, Kentaro Yaji, Shintaro Yamasaki
فرمت مقاله انگلیسی PDF
تعداد صفحات 19
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Optimization and Control,یادگیری ماشین , بهینه سازی و کنترل ,
توضیحات Submitted 3 September, 2024; originally announced September 2024. , Comments: 19 pages, 18 figures
توضیحات به فارسی ارسال شده در 3 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 19 صفحه ، 18 رقم
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

Topology optimization is a structural design methodology widely utilized to address engineering challenges. However, sensitivity-based topology optimization methods struggle to solve optimization problems characterized by strong non-linearity. Leveraging the sensitivity-free nature and high capacity of deep generative models, data-driven topology design (DDTD) methodology is considered an effective solution to this problem. Despite this, the training effectiveness of deep generative models diminishes when input size exceeds a threshold while maintaining high degrees of freedom is crucial for accurately characterizing complex structures. To resolve the conflict between the both, we propose DDTD based on principal component analysis (PCA). Its core idea is to replace the direct training of deep generative models with material distributions by using a principal component score matrix obtained from PCA computation and to obtain the generated material distributions with new features through the restoration process. We apply the proposed PCA-based DDTD to the problem of minimizing the maximum stress in 3D structural mechanics and demonstrate it can effectively address the current challenges faced by DDTD that fail to handle 3D structural design problems. Various experiments are conducted to demonstrate the effectiveness and practicability of the proposed PCA-based DDTD.

چکیده به فارسی (ترجمه ماشینی)

بهینه سازی توپولوژی یک روش طراحی ساختاری است که به طور گسترده ای برای پرداختن به چالش های مهندسی مورد استفاده قرار می گیرد.با این حال ، روشهای بهینه سازی توپولوژی مبتنی بر حساسیت برای حل مشکلات بهینه سازی مشخص شده توسط غیر خطی قوی تلاش می کنند.استفاده از ماهیت بدون حساسیت و ظرفیت بالای مدلهای عمیق تولید ، طراحی توپولوژی داده محور (DDTD) یک راه حل مؤثر برای این مشکل محسوب می شود.با وجود این ، اثربخشی آموزش مدلهای تولیدی عمیق زمانی کاهش می یابد که اندازه ورودی بیش از یک آستانه باشد در حالی که حفظ درجه های بالایی از آزادی برای توصیف دقیق ساختارهای پیچیده بسیار مهم است.برای حل و فصل درگیری بین هر دو ، ما DDTD را بر اساس تجزیه و تحلیل مؤلفه اصلی (PCA) پیشنهاد می کنیم.ایده اصلی آن جایگزین کردن آموزش مستقیم مدلهای تولیدی عمیق با توزیع مواد با استفاده از یک ماتریس نمره مؤلفه اصلی به دست آمده از محاسبه PCA و به دست آوردن توزیع مواد تولید شده با ویژگی های جدید از طریق فرآیند ترمیم است.ما DDTD مبتنی بر PCA را برای مشکل به حداقل رساندن حداکثر استرس در مکانیک ساختاری سه بعدی اعمال می کنیم و نشان می دهیم که می تواند به طور مؤثر به چالش های فعلی پیش روی DDTD که در رسیدگی به مشکلات طراحی ساختاری سه بعدی نیست ، پرداخت.آزمایش های مختلفی برای نشان دادن اثربخشی و عملی بودن DDTD مبتنی بر PCA انجام شده است.

📚 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.