Mehrdad Shafiei Dizaji
PulseAugur coverage of Mehrdad Shafiei Dizaji — every cluster mentioning Mehrdad Shafiei Dizaji across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
神经网络推动复杂滞后系统建模的进步
本文回顾了旨在捕捉复杂滞后系统的神经网络模型的演变。文章详细介绍了从引入记忆和非Masing滞后的Prandtl和Preisach神经网络,到更复杂的模型,如广义Prandtl神经网络(GPNN)和Neuro-Madelung模型(NMM)的进展。该回顾强调了这些模型如何纳入刚度退化、速率依赖性和各种滞后形式等特征,以准确表示非线性物理系统。
-
新方法结合激光扫描和图像相关技术用于结构缺陷检测
研究人员开发了两种用于检测和量化钢结构部件缺陷的非接触式方法。一种方法使用高分辨率激光扫描创建3D点云,从而能够定位和测量可见损伤。第二种方法结合了3D数字图像相关技术和有限元模型更新,通过表面变形推断次表面异常。这两种技术均在具有受控缺陷的钢梁上进行了评估,并证明了识别和量化损伤的能力,为全面的结构状况评估提供了互补信息。
-
物理信息神经网络增强地下异常体预测
研究人员开发了一种使用物理信息神经网络(PINNs)预测地下异常体生长的新方法,该方法借鉴了医学影像中肿瘤预测的思路。提出的深度学习框架将卷积神经网络(CNN)与卷积长短期记忆网络(ConvLSTM)相结合,并融入了空间和时间注意力机制以增强特征提取。通过将波动传播的物理原理直接嵌入神经网络,该方法提高了探地雷达(GPR)数据预测的准确性,这对于评估基础设施健康状况和预测其退化至关重要。
-
新的VQA模型使用ResNet-50和GPT-2自动化NDE图像分析
研究人员开发了一种专门用于无损检测(NDE)图像分析的视觉问答(VQA)模型。该系统集成了ResNet-50模型用于图像特征提取,以及GPT-2用于语言生成,使检查员能够查询NDE图像并获得关于缺陷的精确答案。目标是提高实际现场应用中的检查效率并减少错误。