Data-driven computing in elasticity via kernel regression
Data-driven computing in elasticity via kernel regression
复制标题
通过核回归进行数据驱动的弹性计算
DOI：
10.1016/j.taml.2018.06.004
复制
发表时间：
2018
影响因子：
3.4
通讯作者：
Y. Kanno
中科院分区：
文献类型：
--
作者：
Takuya Oshima;Masato Tsukahara;Yumi Kurosaka;平山洋介;Y. Kanno
本文提出了一个简单的非参数回归方法，数据驱动计算弹性。我们应用核回归的材料数据集，并制定一个系统的非线性方程组求解，以获得一个静态平衡状态的弹性结构。初步的数值实验表明，与现有的方法相比，该方法找到了一个合理的解决方案，即使数据点分布粗糙，在给定的材料数据集。
This paper presents a simple nonparametric regression approach to data-driven computing in elasticity. We apply the kernel regression to the material data set, and formulate a system of nonlinear equations solved to obtain a static equilibrium state of an elastic structure. Preliminary numerical experiments illustrate that, compared with existing methods, the proposed method finds a reasonable solution even if data points distribute coarsely in a given material data set.
DOI：
10.1016/j.cma.2017.11.013
发表时间：
2018-04-01
影响因子：
7.2
作者：
Leygue, Adrien;Coret, Michel;Verron, Erwan
通讯作者：
Verron, Erwan
一种新的基于可靠性的数据驱动方法，适用于具有物理约束的噪声实验数据
影响因子：
7.2
作者：
Jacobo Ayensa;M. H. Doweidar;J. A. Sanz;Manuel Doblar´e;Campus R´ıo;Edificio ID Mariano Ebro;N. EsquillorS.
通讯作者：
N. EsquillorS.
影响因子：
2.5
作者：
Conti, S.;Mueller, S.;Ortiz, M.
通讯作者：
Ortiz, M.