新型凸神经网络能量单元改进有限元装配

研究人员开发了一种新方法，用于创建可重用、几何参数化的神经网络单元，用于有限元装配。该方法通过确保装配后的系统即使在单元刚度奇异的情况下也保持正定性，解决了先前方法的局限性。新的“凸神经网络能量单元”在自由度上具有架构上的凸性，并由几何形状参数化，从而为各种应用带来了条件误差界和更快的设置时间。 AI

影响 这项研究可能为复杂的模拟带来更强大、可重用的神经网络算子，从而加速科学发现。

排序理由 该条目是一篇学术论文，详细介绍了有限元方法中神经网络算子的一种新颖方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• CatalyzeX Code Finder for Papers
• Connected Papers
• Convex Neural Energy Elements
• DagsHub
• finite element method
• Gotit.pub
• Hugging Face
• Hypernetwork
• Litmaps
• Neural Operators
• Newton
• ScienceCast
• scite Smart Citations

• 论文
• 基础设施

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