強(qiáng)度參數(shù)反分析(Back Analysis of Material Properties)---敏感性分析和概率分析 
本質(zhì)上來(lái)說(shuō)都是設(shè)置自由變量，但敏感性分析用于單變量的反分析，而概率分析可用于多變量的反分析。這樣，在假設(shè)一個(gè)或多個(gè)材料強(qiáng)度參數(shù)未知的情況下，就可以對(duì)材料性能進(jìn)行反分析。2 分析方法敏感度分析用來(lái)研究輸入?yún)?shù)值的不確定性或變異性對(duì)安全系數(shù)的影響。在敏感性分析中，假定一個(gè)變量是自由變量，其余變量為定值，安全系數(shù)根據(jù)所有變量的平均值來(lái)計(jì)算。
2545
計(jì)算巖土力學(xué) ??? 4年前
參數(shù)敏感性分析（復(fù)合縮尺CSS局部敏感性分析） 
簡(jiǎn)單介紹了土力學(xué)中常用的一種參數(shù)局部敏感性分析方法——復(fù)合縮尺（CSS）靈敏度分析。模型參數(shù)的敏感性分析是指觀(guān)察給定參數(shù)的微小變動(dòng)對(duì)模型預(yù)測(cè)誤差變動(dòng)的影響程度。參數(shù)的敏感性越弱，參數(shù)的改變對(duì)誤差的影響越小，反之越大。參數(shù)敏感性分析可以找到對(duì)應(yīng)力應(yīng)變影響較小的模型參數(shù)以便做進(jìn)一步處理，比如可以固定敏感性較弱的參數(shù)，重點(diǎn)研究敏感性較強(qiáng)的參數(shù)。
3507 4
Baron_0610 ??? 3年前
ABAQUS屈服極限的敏感性分析出錯(cuò)原因？
以下是對(duì)懸臂梁屈服極限敏感性分析的inp文件（刪除了節(jié)點(diǎn)和單元部分），求大佬指點(diǎn)一二。我試過(guò)對(duì)彈性模量進(jìn)行分析是可以運(yùn)行的，改成屈服極限就不行了。
2128 2 3
謝宇宸 ??? 4年前
abaqus DSA敏感性分析？
abaqus DSA形狀敏感性分析中映射網(wǎng)格的操作中為啥子運(yùn)行代碼，軟件就自動(dòng)關(guān)閉了（代碼應(yīng)該沒(méi)問(wèn)題），然后出現(xiàn)下面這個(gè)界面
1948 1
BEYOND_6687 ??? 3年前
abaqus design尺寸敏感性分析？
在做尺寸敏感度分析的時(shí)候，相互綁定的部件之間不能有設(shè)計(jì)變量怎么辦？需要怎么處理呢？這個(gè)模型需要做各層厚度的敏感度分析，用的是關(guān)聯(lián)形狀變量節(jié)點(diǎn)坐標(biāo)的方法，各層之間綁定約束
1930 1
BEYOND_6687 ??? 3年前
基于A(yíng)BAQUS數(shù)值的混凝土防滲墻內(nèi)力及變形敏感性分析 
根據(jù)以上的分析，實(shí)際工程中，為施工簡(jiǎn)單，通常在防滲墻內(nèi)部并不施加鋼筋。因此計(jì)算中不允許墻體出現(xiàn)拉應(yīng)力。對(duì)于大壩高度較大的工程，一般混凝土彈性模量不能超過(guò)5GPa。而對(duì)于小于20m的壩體，一般可采用常規(guī)混凝土進(jìn)行設(shè)計(jì)。此外，為例保證防滲墻及大壩有較好的變形能力，通常要求防滲墻為塑性防滲墻，宜采用低彈性模量的混凝土進(jìn)行澆筑。對(duì)于重要性工程，應(yīng)結(jié)合試驗(yàn)及數(shù)值模擬進(jìn)行精確判斷選取。
4384 7
CAEer吳皓 ??? 2年前
FRED應(yīng)用：雙折射材料溫度敏感性分析 
摘要： 目前，F(xiàn)RED溫度敏感性的評(píng)價(jià)可使用腳本語(yǔ)言實(shí)現(xiàn)。本文演示了一個(gè)雙折射材料的折射率隨溫度變化而變化腳本。 雙折射簡(jiǎn)介： 雙折射（birefringence）是指一條入射光線(xiàn)產(chǎn)生兩條折射光線(xiàn)的現(xiàn)象。
2534 6 1
追光ing ??? 2年前
FRED應(yīng)用：雙折射材料溫度敏感性分析 
雙折射簡(jiǎn)介： 目前，F(xiàn)RED溫度敏感性的評(píng)價(jià)可使用腳本語(yǔ)言實(shí)現(xiàn)。本文演示了一個(gè)雙折射材料的折射率隨溫度變化而變化腳本。 摘要： 步驟1：創(chuàng)建雙折射材料KDP（磷酸二氫鉀晶體），命名為KDP Baseline。
913
追光ing ??? 27天前
【CFD專(zhuān)欄】基于CFD仿真、元建模和貝葉斯推斷方法的離心泵優(yōu)化設(shè)計(jì) 
通過(guò)敏感性分析，葉片尾緣角度對(duì)泵輸送的揚(yáng)程影響最大。 通過(guò)實(shí)驗(yàn)測(cè)試，驗(yàn)證了CFD結(jié)果的準(zhǔn)確性。
2898 3 1
我愛(ài)汽輪機(jī)仿真 ??? 2年前
雙折射材料溫度敏感性分析 
摘要： 目前，F(xiàn)RED溫度敏感性的評(píng)價(jià)可使用腳本語(yǔ)言實(shí)現(xiàn)。本文演示了一個(gè)雙折射材料的折射率隨溫度變化而變化腳本。 雙折射簡(jiǎn)介： 雙折射（birefringence）是指一條入射光線(xiàn)產(chǎn)生兩條折射光線(xiàn)的現(xiàn)象。
2842
追光ing ??? 1年前
17個(gè)機(jī)器學(xué)習(xí)的常用算法
算法類(lèi)似性根據(jù)算法的功能和形式的類(lèi)似性，我們可以把算法分類(lèi)，比如說(shuō)基于樹(shù)的算法，基于神經(jīng)網(wǎng)絡(luò)的算法等等。當(dāng)然，機(jī)器學(xué)習(xí)的范圍非常龐大，有些算法很難明確歸類(lèi)到某一類(lèi)。而對(duì)于有些分類(lèi)來(lái)說(shuō)， 同一分類(lèi)的算法可以針對(duì)不同類(lèi)型的問(wèn)題。這里，我們盡量把常用的算法按照最容易理解的方式進(jìn)行分類(lèi)。6. 回歸算法：回歸算法是試圖采用對(duì)誤差的衡量來(lái)探索變量之間的關(guān)系的一類(lèi)算法。回歸算法是統(tǒng)計(jì)機(jī)器學(xué)習(xí)的利器。
2385 1
王者歸來(lái)123 ??? 3年前
基于改進(jìn)條件擴(kuò)散模型的電阻抗成像圖像重建與敏感度先驗(yàn)融合 
可視化分析： 非均勻敏感度先驗(yàn)在中心區(qū)與結(jié)構(gòu)邊界附近呈現(xiàn)與夾雜/肺形態(tài)更一致的敏感分布，相比同質(zhì)敏感度能更好地保留輪廓曲率與邊界銳度，從而帶來(lái)更清晰的重建圖。
2348
320科技工作室 ??? 4月前
行業(yè)分享丨TCL華星光電：AI 如何助力LCD顯示模組精準(zhǔn)老化預(yù)測(cè)？ 
初篩模型時(shí)，我們基于預(yù)測(cè)場(chǎng)景選取了貝葉斯、隨機(jī)森林和深度學(xué)習(xí)等模型，發(fā)現(xiàn)貝葉斯模型的調(diào)優(yōu)效果較好，后續(xù)便基于貝葉斯算法對(duì)算子和模型參數(shù)進(jìn)行微調(diào)。在建模細(xì)節(jié)方面，考慮到數(shù)據(jù)分布不平衡的情況，我們從數(shù)據(jù)和算法層面進(jìn)行調(diào)整。在數(shù)據(jù)層面，采用采樣技術(shù)調(diào)節(jié)OK和NG樣本的占比；在算法層面，運(yùn)用代價(jià)敏感學(xué)習(xí)賦予懲罰系數(shù)，以調(diào)控漏放率。
2374 1 1
技術(shù)鄰公告 ??? 8月前
有限元方法的80年：誕生、演化與未來(lái) 
Kikuchi和他的團(tuán)隊(duì)為汽車(chē)工業(yè)開(kāi)發(fā)了 結(jié)構(gòu)形狀優(yōu)化有限元方法，開(kāi)發(fā)了一種均質(zhì)化方法來(lái)尋找在規(guī)定載荷下結(jié)構(gòu)的最佳形狀以及后來(lái)的拓?fù)鋬?yōu)化； 20世紀(jì)80年代中期，計(jì)算應(yīng)變軟化中的網(wǎng)格敏感性問(wèn)題成為一個(gè)具有挑戰(zhàn)性的課題， Pijaudier-Cabot和 Bazant發(fā)展了一種有效的非局部有限元方法，其中非局部性僅應(yīng)用于損傷應(yīng)變；
4362 18 1
易公子 ??? 3年前
行業(yè)分享丨TCL華星光電：AI 如何助力LCD顯示模組精準(zhǔn)老化預(yù)測(cè)？
初篩模型時(shí)，我們基于預(yù)測(cè)場(chǎng)景選取了貝葉斯、隨機(jī)森林和深度學(xué)習(xí)等模型，發(fā)現(xiàn)貝葉斯模型的調(diào)優(yōu)效果較好，后續(xù)便基于貝葉斯算法對(duì)算子和模型參數(shù)進(jìn)行微調(diào)。在建模細(xì)節(jié)方面，考慮到數(shù)據(jù)分布不平衡的情況，我們從數(shù)據(jù)和算法層面進(jìn)行調(diào)整。在數(shù)據(jù)層面，采用采樣技術(shù)調(diào)節(jié)OK和NG樣本的占比；在算法層面，運(yùn)用代價(jià)敏感學(xué)習(xí)賦予懲罰系數(shù)，以調(diào)控漏放率。
2485
ALTAIR ??? 8月前
面向預(yù)期功能安全的決策規(guī)劃系統(tǒng)仿真測(cè)試方法 
其中，以貝葉斯優(yōu)化算法作為關(guān)鍵場(chǎng)景的搜索算法，做一示例，偽代碼如下圖所示： 以一個(gè)標(biāo)準(zhǔn)化測(cè)試函數(shù)（Hoelder Table）為例，初步分析一下采用貝葉斯優(yōu)化搜索方法的可行性與潛力，即是否符合上述提出的覆蓋率和效率的兩大原則。 目標(biāo)函數(shù)值在搜索空間上的分布如圖9所示，圖中用紅色線(xiàn)框標(biāo)出了目標(biāo)關(guān)鍵場(chǎng)景占據(jù)的子空間（分別在四個(gè)角的位置附近）。
2299
芝能汽車(chē) ??? 3年前
Updated---邊坡穩(wěn)定性概率分析數(shù)據(jù)集(Probabilistic Approach) 
《邊坡工程》課程總結(jié)[重點(diǎn)]巖石邊坡工程課程---邊坡工程分析與設(shè)計(jì)(C4)巖石邊坡楔形體穩(wěn)定性概率分析(3)---節(jié)理剪切強(qiáng)度的隨機(jī)分布邊坡穩(wěn)定判別準(zhǔn)則---安全系數(shù)FOS和破壞概率POF貝葉斯定理(Bayes theorem)確定邊坡破壞的概率最新的課程設(shè)計(jì)更新(SSGeotech, 77648)和優(yōu)化了文獻(xiàn)數(shù)據(jù)，包括按照時(shí)間順序?qū)ξ墨I(xiàn)進(jìn)行了重新排列
3230
計(jì)算巖土力學(xué) ??? 4年前
哈佛大學(xué)鎖志剛教授最新綜述：從分子到宏觀(guān)，如何“設(shè)計(jì)”材料的抗裂性？ 
反之，材料則對(duì)缺陷非常敏感。材料的缺陷敏感性這個(gè)概念將微觀(guān)的分子損傷機(jī)制與宏觀(guān)的斷裂強(qiáng)度直接聯(lián)系起來(lái)，為通過(guò)分子設(shè)計(jì)（如調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)、引入能量耗散機(jī)制）來(lái)調(diào)控材料對(duì)缺陷的容忍度指明了方向。那么，如何測(cè)量并獲取這個(gè)關(guān)鍵的材料本征長(zhǎng)度參數(shù)？
1659
Endurica ??? 1月前
自動(dòng)機(jī)器學(xué)習(xí)綜述 
下面是auto-sklearn可以從決策樹(shù)、高斯樸素貝葉斯、梯度增強(qiáng)、kNN、LDA、SVM、隨機(jī)森林和線(xiàn)性分類(lèi)器(SGD)中選擇的一些分類(lèi)器。在預(yù)處理步驟上，它支持以下幾個(gè)方面:內(nèi)核主成分分析，選擇百分位數(shù)，選擇率，一熱編碼，歸位，平衡，縮放，特征聚集，等等。同樣，從通過(guò)組合現(xiàn)有特性來(lái)豐富數(shù)據(jù)集的角度來(lái)看，這些都不能理解為特性工程步驟。
2338
駕駛哥 ??? 4年前
大數(shù)據(jù)建模、分析、挖掘技術(shù) 
1.樸素貝葉斯模型原理2.Python Spark貝葉斯模型程序設(shè)計(jì) 1.建模貝葉斯模型，并進(jìn)行對(duì)參數(shù)估計(jì)2.訓(xùn)練模型，得到最優(yōu)參數(shù)3.根據(jù)模型進(jìn)行預(yù)測(cè) 十二、Python Spark邏輯回歸 1.邏輯回歸原理2.Python Spark邏輯回歸程序設(shè)計(jì) 1.Python Spark
2280
龍騰AI技術(shù) ??? 2年前
20條/頁(yè) 
124 跳至頁(yè)
技術(shù)鄰APP
工程師必備
工程師必備
- 項(xiàng)目客服
- 培訓(xùn)客服
- 平臺(tái)客服
TOP
