典型文献
无网格动力分析的循环卷积神经网络代理模型
文献摘要：
在无网格动力分析中,除了无网格形函数本身构造复杂引入的计算成本,还需要逐步递推求解每个时间步的动力响应,因而计算效率较为低下.本文通过研究无网格离散数据与机器学习训练样本、无网格动力分析递推计算过程与循环卷积神经网络序列信息传递模式之间的本征联系,构建了与无网格法相匹配的循环卷积神经网络设计方法,进而提出了一种无网格动力分析的循环卷积神经网络代理模型.该模型充分融合了无网格离散模型节点布置灵活的优点,同时无网格法能够提供具有泛化特征的高精度数值样本,增强循环卷积神经网络的泛化性和适用性.此外,循环卷积神经网络代理模型特有的循环模块历史记忆特性使其可以有效地处理序列信息,在保证精度的前提下加速无网格动力分析计算过程.文中通过系列算例验证了所提出的无网格动力分析的循环卷积神经网络代理模型的精度和效率.
文献关键词：
无网格法;动力分析;循环卷积神经网络;代理模型;计算效率
中图分类号：
作者姓名：
陈健;王东东;刘宇翔;陈俊
作者机构：
厦门大学土木工程系, 福建厦门 361005;厦门市交通基础设施智能管养工程技术研究中心, 福建厦门 361005
文献出处：
引用格式：
[1]陈健;王东东;刘宇翔;陈俊-.无网格动力分析的循环卷积神经网络代理模型)[J].力学学报,2022(03):732-745
A类：
B类：
动力分析,循环卷积神经网络,神经网络代理模型,形函数,数本,构造复杂,计算成本,推求,时间步,动力响应,计算效率,学习训练,训练样本,递推计算,序列信息,信息传递,无网格法,网络设计,充分融合,离散模型,泛化特征,泛化性,环模,历史记忆,记忆特性,算例验证
AB值：
0.190534
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
