实体
Berkcan Kapusuzoğlu
Berkcan Kapusuzoğlu
PulseAugur coverage of Berkcan Kapusuzoğlu — every cluster mentioning Berkcan Kapusuzoğlu across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新研究将物理学融入增材制造的机器学习
一篇新的研究论文探讨了物理信息和混合机器学习技术在改进增材制造工艺中的应用，特别是熔丝制造（FFF）。该研究由Berkcan Kapusuzoğlu撰写，详细介绍了三种将物理知识整合到深度神经网络（DNN）中的策略，以预测零件质量，如结合质量和孔隙率。这些方法包括将物理约束纳入DNN的损失函数，使用物理模型输出作为输入，以及在用实验数据进行微调之前，先用物理模型预训练DNN。研究表明，即使实验数据有限，结合这些策略也能产生准确的机器学…
-
物理信息机器学习通过数据融合增强敏感性分析
研究人员开发了新的物理信息机器学习策略，以改进工程系统的敏感性分析。通过融合基于物理的模型和实验数据，这些方法旨在提高敏感性估计的准确性。该研究探讨了深度神经网络（DNN）和高斯过程（GP），研究了物理约束损失函数以及模拟和实验数据的顺序训练等技术。结果表明，与GP模型相比，基于DNN的模型在敏感性估计方面提供了更严格的界限，并在增材制造和湖泊温度建模中展示了应用。
-
新的自适应代理建模方法处理高维时空数据
研究人员开发了一种新的自适应代理建模方法，旨在处理具有极高维时空输出的问题。该方法首先将输出数据的维度降低到低维潜在空间，然后再构建代理模型。该方法随后自适应地识别新的训练点，以最少的昂贵物理模型调用来提高模型的准确性，并通过燃气轮机叶片的 termo-mechanical 分析证明了其有效性。