arXiv:2403.00669v1 [cs.LG] 2024 年 3 月 1 日__

arXiv:2403.00669v1 [cs.LG] 2024 年 3 月 1 日

可下载资源数量

已经购买

下载数量：1

单价	0 4.0
Coupon	100% 0%
Total	0 4.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arXiv:2403.00669v1 [cs.LG] 2024 年 3 月 1 日

¥ 4.0

热度

增材制造 (AM) 已经证明自己是广泛使用的减材制造的潜在替代方案，因为它具有以最少的材料浪费制造高度定制产品的非凡能力。然而，由于它存在一些主要的固有挑战，包括复杂和动态的过程交互，有时即使使用传统机器学习也难以完全理解，因为它涉及高维数据，例如图像、点云和体素。然而，最近出现的深度学习 (DL) 在克服许多这些挑战方面显示出巨大的希望，因为 DL 可以自动从高维数据中捕获复杂的关系，而无需手动提取特征。因此，AM 和 DL 交叉领域的研究量每年都在呈指数级增长，这使得研究人员很难跟踪趋势和未来的潜在方向。此外，据我们所知，这个研究领域没有全面的综述论文来总结最近的研究。因此，本文回顾了最近应用深度学习来改善 AM 流程的研究，并对其贡献和局限性进行了高层次的总结。最后，它总结了当前的挑战，并推荐了该领域一些有希望进一步研究的机会，特别关注将深度学习模型推广到各种几何类型，管理 AM 数据和深度学习模型中的不确定性，通过结合生成模型克服有限和嘈杂的 AM 数据问题，并揭示可解释深度学习对 AM 的潜力。

添加pdf代下载 VIP点击下载文件