PulseAugur
中
实时 10:07:28
English(EN) Data-Driven Forward and Inverse Modeling of V-Beam Thermal Sensors

机器学习优化V型梁热传感器设计

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个用于V型梁热传感器逆向设计的机器学习框架，旨在优化传感器几何形状以实现特定位移目标，同时最小化体积和应力。该方法包括一个两阶段解决方案：首先，使用包含3000个样本的数据集训练一个神经网络作为正向模型，将几何参数和材料常数映射到传感器响应。随后，将梯度下降优化应用于固定的正向模型，以同时最小化应力和体积，解决了该问题中多个几何配置可能产生相同位移的病态性质。该流程在位移预测方面实现了4.76%的平均绝对百分比误差（MAPE），其中超过70%的预测MAPE低于5%。 AI

影响 这项研究可能带来更高效、更优化的传感器设计，应用于各种场景。

排序理由 这是一篇研究论文，详细介绍了用于传感器设计的新型机器学习框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

机器学习优化V型梁热传感器设计

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Tudor Bartha, Radu Chiorean, Adrian Groza ·

    Data-Driven Forward and Inverse Modeling of V-Beam Thermal Sensors

    arXiv:2607.09752v1 Announce Type: cross Abstract: This paper presents a machine learning framework for data-driven inverse design of V-beam thermal sensors. The goal is to determine the optimal sensor geometry: beam inclination angle, beam length and beam width that achieves a ta…

相关话题