| 标题 |
 A physics-informed deep learning framework for inversion and surrogate modeling in solid mechanics 用于固体力学中反演和代理建模的基于物理的深度学习框架
相关领域
人工神经网络
冯·米塞斯屈服准则
有限元法
稳健性（进化）
计算机科学
等几何分析
非线性系统
人工智能
深度学习
机器学习
替代模型
算法
应用数学
数学优化
数学
物理
基因
热力学
量子力学
生物化学
化学
|
| 网址 | |
| DOI | |
| 其它 |
期刊：Computer Methods in Applied Mechanics and Engineering 作者：Ehsan Haghighat; Maziar Raissi; Adrian Moure; Héctor Gómez; Rubén Juanes 出版日期：2021-06-01 |
| 求助人 | |
| 下载 | 求助已完成，仅限求助人下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
爱静静
Singularity
HEIKU
Hayat
shinysparrow
不配.
云瑾
curtisness
Henry
kento
zzzyyy
rosalieshi
一一
浅尝离白
元谷雪
徐叽钰
琉璃苣
zyfqpc
8R60d8
我不是BOB
皖公网安备34019202002308
