关于使用 1 g 物理模型解决地面运动和土体结构相互作用问题 Marwan Al Heib 1,*、Fabrice Emeriault 2,3、Huu-Luyen Nghiem 1,2 1 INERIS,Alata 技术公园,Verneuil-En-Halatte,F-60550,法国 2 Université Grenoble Alpes,3SR,Grenoble,F-38000,法国 3 CNRS,3SR,Grenoble,F-38000,法国 摘要:本文重点关注物理建模在地面运动(由地下空洞塌陷或采矿/隧道引起)和相关的土体结构相互作用问题中的应用。本文首先概述了使用 1 g 物理模型解决与垂直地面运动有关的岩土问题和土体结构相互作用。然后说明了 1 g 物理建模应用,研究了由于下沉和空洞塌陷导致的砌体结构损坏的发展。利用三维图像相关技术,介绍了一个带有 6 m3 容器和 15 个电动千斤顶的大型 1g 物理模型。从裂缝密度和损伤程度的角度分析了结构位置对沉降槽的影响。所得结果可以改进砌体结构损伤评估的方法和实践。然而,理想的物理模型很难实现。因此,未来物理模型(模拟材料和仪器)的改进可以为 1g 物理模型在岩土和土结构应用和研究项目中的应用提供新的机会。关键词:沉降;物理建模;岩土问题;土-结构相互作用 1. 引言
摘要 我们提出了 3DGAN,用于模拟未来高粒度量热仪的三维图像输出。我们证明了生成对抗网络 (GAN) 在生成科学数据方面的有效性,同时在大量输入变量中保持对各种指标的高准确度。我们展示了迁移学习概念的成功应用:我们训练网络模拟来自较小范围的初级能量的电子簇射,然后进一步训练五倍大的范围(模型无法直接训练更大的范围)。同样的概念被扩展到为其他粒子生成簇射,这些粒子的大部分能量都沉积在电磁相互作用中(光子和中性介子)。此外,还探索了带电介子簇射的生成,更准确的努力需要来自其他探测器的额外数据,而这些数据不在当前工作的范围内。我们的进一步贡献是演示了如何使用 GAN 生成的数据进行实际应用。我们使用 GAN 生成的数据训练第三方网络,并证明响应类似于使用蒙特卡罗模拟数据训练的网络。GAN 生成的阵雨对各种物理特征的准确度在蒙特卡罗的 10% 以内,速度提高了三个数量级。通过分布式训练可以进一步提高训练和推理的速度。
摘要 — 神经系统疾病(例如自闭症谱系障碍 (ASD))的患病率日益上升,由于其症状多样,需要早期干预,尤其是在幼儿中,因此需要强大的计算机辅助诊断 (CAD)。缺乏基准神经影像学诊断为研究与 ASD 相关的大脑解剖结构和神经模式的转变铺平了道路。现有的 CAD 利用来自自闭症大脑成像数据交换 (ABIDE) 存储库的大规模基线数据集来提高诊断性能,但多站点数据的参与也会放大阻碍获得满意结果的变异性和异质性。为了解决这个问题,我们提出了一种深度多模态神经影像学框架 (DeepMNF),该框架采用功能性磁共振成像 (fMRI) 和结构磁共振成像 (sMRI),通过利用二维时间序列数据和三维图像来整合跨模态时空信息。目的是融合互补信息,以增加群体差异和同质性。据我们所知,我们的 DeepMNF 实现了比 ABIDE-𝟏 存储库中涉及所有可用筛选站点的数据集的最佳报告结果更好的验证性能。在这项工作中,我们还展示了单个模型中研究的模态的性能以及它们可能的组合,以开发多模态框架。
指南•本政策未证明福利的福利或授权,这是由每个单独的保单持有人条款,条件,排除和限制合同指定的。它不构成有关承保或报销/付款的合同或担保。自给自足的小组特定政策将在小组补充计划文件或个人计划决策中指导其他情况时取代该一般政策。•最重要的是通过编码逻辑软件适用于所有医疗主张的编码编辑,以评估对公认国家标准的准确性和遵守。•本医疗政策仅用于指导医疗必要性,并解释用于协助做出覆盖决策和管理福利的正确程序报告。范围X Professional X设施需要在选修课设置中执行的那些程序需要事先授权。急诊室,设施观察设置或住院设置不需要事先授权。描述计算机断层扫描(CT)是一种放射形态,可在疾病的检测,分化和分界中提供临床信息。ct扫描是放射成像,可产生一系列横截面横向或轴向图像,这些横向图像通过计算机软件转换为冠状和/或矢状视图。X射线梁通过以不同角度成像的区域,由检测器记录并引入计算机。然后,计算机软件将这些图像以不同的角度转换为横截面视图,并在需要时将内部器官和身体结构的三维图像转换为横截面。ct仅应在医师的监督下进行放射保护培训以优化检查安全性。辐射暴露。可以执行CT程序,而无需对比度,或没有对比度,并且根据临床指示,并且没有对比。如果有诊所的迹象: