Таблица | Карточка | RUSMARC | |
Разрешенные действия: –
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Группа: Анонимные пользователи Сеть: Интернет |
Аннотация
Данная работа посвящена построению ряда моделей машинного обучения для определения максимальных эквивалентных напряжений, и перемещений в заданной координате. Сравнивая предсказания моделей с результатами, полученными с помощью Ansys, для определения лучшей модели. В ходе работы решались следующие задачи: Нахождение максимальных эквивалентных напряжений по Треска с помощью линейной регрессии, дерева решений, нейронной сети Нахождение перемещений в заданной координате с помощью линейной регрессии, дерева решений, нейронной сети Оптимизация моделей Построение графиков и иллюстрация результатов. В результате исследования получена нейронная сеть, решающая вышеперечисленные задачи с высокой точностью Полученные выводы обладают большой практической значимостью и могут быть использованы при моделировании более сложных нейронных сетей.
The subject of the graduate qualification work is "Construction of a ROM model based on a neural network for determining the parameters of stress-strain state of an elastic plate". The given work is devoted to the construction of a series of machine learning models for determining the maximum equivalent stresses and displacements at a given coordinate. Comparing the model predictions with the results obtained using Ansys to determine the best model. During the work, the following tasks were solved: Finding the maximum equivalent stresses according to Tresca using linear regression, decision trees, neural networks Finding displacements at a given coordinate using linear regression, decision trees, neural networks Model optimization Construction of graphs and illustration of results. As a result of the research, a neural network was obtained that solves the above tasks with high accuracy The conclusions obtained have great practical significance and can be used in modeling more complex neural networks.
Права на использование объекта хранения
Место доступа | Группа пользователей | Действие | ||||
---|---|---|---|---|---|---|
Локальная сеть ИБК СПбПУ | Все | |||||
Интернет | Авторизованные пользователи СПбПУ | |||||
Интернет | Анонимные пользователи |
Статистика использования
Количество обращений: 0
За последние 30 дней: 0 Подробная статистика |