SpectONet：物理引导谱深度算子网络增强梁动力学分析

研究人员推出 SpectONet，这是一种新颖的物理引导谱深度算子网络，用于解决欧拉-伯努利梁振动问题。该框架通过整合物理信息约束和专门的 Chebyshev-Gauss-Lobatto 传感器放置策略，增强了 DeepONet 的算子学习能力。与使用均匀传感器分布的传统方法不同，SpectONet 采用非均匀谱位置，将传感器集中在域边界附近，以更少的输入更好地捕捉结构响应。在合成和真实世界数据集上的数值实验表明，SpectONet 的性能显著优于 Vanilla DeepONet、PI-DeepONet、PINN 和 CNN-UNet 等基线模型，在合成问题上的预测误差提高了至少 64%，在真实世界数据上的预测误差提高了至少 37%。 AI

影响 这项研究为结构振动分析提供了一个更准确、计算效率更高的框架，有可能改进桥梁和其他结构的 설계 和监测。

排序理由 该集群描述了一篇关于使用 AI 解决特定类型工程问题的新颖方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• Arup Kumar Sahoo
• Chebyshev-Gauss-Lobatto
• CNN-UNet
• DeepONet
• Euler-Bernoulli beam
• physics-informed neural networks
• SpectONet

• 论文
• 其他

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