메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
임수영 (서강대학교) 서한복 (서강대학교) 심명석 (서강대학교) 이승엽 (서강대학교)
저널정보
대한기계학회 대한기계학회 춘추학술대회 대한기계학회 2024년 학술대회
발행연도
2024.11
수록면
2,543 - 2,546 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Discrepancies often exist between simulation and experimental results, and conducting repeated experiments for comparison can be costly in terms of both time and resources. To reduce these discrepancies, this study proposes a neural network model for predicting the stiffness characteristics of structures, utilizing 102 simulation datasets and 30 experimental surrogate datasets through transfer learning. The model architecture comprises 3 input nodes, hidden layers of 64-128-32 nodes, and 25 output nodes. The pretrained weights derived from the FEM simulation data were fine-tuned in the transfer learning stage by exploring 5 combinations of layer configurations to optimize the hidden layers. Additionally, three different models were developed based on the 64-128-32 structure: a standard multi-output model and enhanced multi-output models. Input parameters include thickness, angle, and material, while the 25 output nodes perform regression predictions based on 25 points of the force-displacement curve. The transfer learning models demonstrated improved predictive performance on experimental surrogate data. This approach facilitates effective prediction of structural characteristics with limited experimental repetitions using FEM data.
#전이학습(Transfer learning) #딥러닝(Deep learning) #준제로강성(Quasi-zero stiffness) #유한요소해석(FEM) #강화학습(Reinforcement learning)

목차

Abstract
1. 서론
2. 이론 및 실험
4. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

댓글(0)

0