Показать сокращенную информацию

dc.contributor.authorКурочка, К. С.
dc.contributor.authorБолбуков, Ю. В.
dc.coverage.spatialБелгородru_RU
dc.date.accessioned2024-09-26T12:30:41Z
dc.date.available2024-09-26T12:30:41Z
dc.date.issued2020
dc.identifier.citationКурочка, К. С. Оценка воздействия на тонкую пластину средствами нейросетевого моделирования прогибов / К. С. Курочка, Ю. В. Болбуков // Научные вести. – 2020. – № 6(23). – С. 190–198.ru_RU
dc.identifier.urihttps://elib.gstu.by/handle/220612/38033
dc.description.abstractМоделирование реальных физических или технических механических систем включает широкое использование программных пакетов, которые в основном базируются на методе конечных элементов для решения краевых задач. Последние достижения в области алгоритмов машинного обучения и их успешное применение в различных областях демонстрируют, что при правильном обучении эти модели могут значительно улучшить традиционные методы. В данной работе предложена и апробирована архитектура нейронной сети прямого распространения для моделирования прогибов тонкой пластины под действием равномерно распределенной нагрузки.ru_RU
dc.description.abstractModeling of real physical or technical mechanical systems involves the widespread use of software packages, which are mainly based on the finite element method for solving boundary value problems. Recent advances in machine learning algorithms and their successful application in various fields demonstrate that, with proper training, these models can significantly improve traditional methods. In paper, we propose and test the architecture of a direct distribution neural network for modeling deflections of a thin plate under the action of a uniformly distributed load.
dc.language.isoruru_RU
dc.publisherВсяких М. В.ru_RU
dc.subjectТонкая пластинаru_RU
dc.subjectДифференциальные уравнения в частных производныхru_RU
dc.subjectНейронные сетиru_RU
dc.subjectThin plateru_RU
dc.subjectPartial differential equationsru_RU
dc.subjectNeural networkru_RU
dc.titleОценка воздействия на тонкую пластину средствами нейросетевого моделирования прогибовru_RU
dc.title.alternativeEvaluation of influence on a thin plate by means of neural network modeling of bendingru_RU
dc.typeArticleru_RU
dc.identifier.udc539.3:004.032.26


Файлы, содержащиеся в ресурсе

Thumbnail

Располагается в коллекциях:

Показать сокращенную информацию