机构名称：
¥ 2.0
拓扑优化通过在给定域中最佳分发材料来优化，需要2个无梯度优化器来解决高度复杂的问题。然而，在涉及数百个设计变量或更多涉及的情况下，解决此类问题将需要数百万个有限的4个元素方法（FEM）计算，其计算成本又大且不切实际。在这里5我们报告了一个自我指导的在线学习优化（SOLO），该优化（SOLO）将深度神经6网络（DNN）与FEM计算集成在一起。DNN将目标学习并替换为设计变量的7个函数。少数培训数据是基于DNN的全局最佳预测而动态生成的8。DNN适应了新的培训数据9，并在关注区域提供了更好的预测，直到收敛为止。我们的算法通过合规性最小化问题和流体结构优化问题测试了10个。IT 11
自我指导的在线机器学习拓扑优化
主要关键词
相关文件推荐
