摘要:提出了通过涡流方法测量结果识别平面对象的材料属性的新方法。这些方法基于最新的替代策略和高级优化技术,这些技术可以提高效率并减少问题解决方案的资源消耗,并平衡计算复杂性与结果的准确性。用于全局替代优化的高性能元模型基于深度有意义的完全连接的神经网络,它是积累有关对象的APRIORII信息的附加功能。由测试过程的“精确”电动力学模型确定的多维响应表面的近似值可以通过根据计算机设计的计算机设计来确保,该计算是均质实验的计算机设计,其重量较低的对称中心差异。提供了用于完整和缩小的尺寸搜索空间进行的数值实验的结果,可以通过使用主要组件方法来获得线性转换获得。这些方法的验证证明了它们的良好精度和计算性能。
P. 103,第 4.1 节的注释和备注:我们错误地引用了 [GLMP04] 中的一个结果;它应该是“对于任何中心对称凸体 KĂRn,dBMpK,∆nqďn”。在这种对称性假设和一般性下,这实际上是从练习 4.2 得出的(实际上是一个等式;[GLMP04] 进一步断言,如果其中一个体 K、L 是中心对称的,则 dBMpK,Lqďn)。事实上,KĂ´n∆ 意味着 K 包含在 n∆ 的某个平移中,因此它是∆ 的同位像——比率为 n——关于某个中心(回想一下,通过构造,∆ĂK)。由于 K 的对称中心可能不同于 ∆ 的质心(假设为 0 ),从这个论证中不能立即确定同位体中心的位置。例如,在 [GLMP04] 中引用的例子中心属于 ∆ 的边界,这对于某些应用来说并不理想。如果我们接受任何单纯形(即不一定是体积最大的单纯形),但仍然坚持同位体中心是其质心,则最优因子是什么并不完全清楚。对于不一定对称的体 K °R n ,似乎已知至少在某些情况下,我们可能有 d BM pK, ∆ nq °n 。例如,在 [R. Fleischer, K. Mehlhorn, G. Rote, E. Welzl and C. Yap, Simultaneous inner and outer approximation of shapes. Algorithmica 8 (1992), 365-389] 断言三角形和正五边形之间的距离等于