지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.10
- 수록면
- 354 - 362 (9page)
이용수
초록· 키워드
오류제보하기
In this paper, the capabilities of recurrent neural networks (RNNs) to describe the viscoelastic properties of acrylonitrile-butadiene styrene (ABS) are investigated. The RNN model was trained using one-dimensional strains and corresponding stress data generated by the finite element method. The optimal model was then employed to predict the viscoelastic behavior of unseen test data. Furthermore, the viscoelastic-based RNN model was tested for extrapolation using other types of strain and corresponding stress data beyond the training set. The agreement between the predicted and actual stresses demonstrates the robust performance of the trained RNN model in predicting different types of strain inputs for larger strain tests, despite being trained only with step strain inputs. Therefore, the use of RNNs can be considered a viable alternative to conventional models for predicting viscoelastic behavior.
목차
Abstract
1. Introduction
2. Modeling
3. Experiment and Finite Element Model
4. Results
5. Conclusion and future work
REFERENCES
참고문헌 (13)
참고문헌 신청
G. A. Holzapfel, 2002, Nonlinear Solid Mechanics: A Continuum Approach for Engineering Science, Wiley, New York
G. Rafael, A. Jorge, Timothy D. Hirzel, D. David, D. Maclaurin, B. Martin A., H.S. Chae, E. Markus, D.G. Ha, T. Wu, M. Georgios, S. Jeon, H. Kang, H. Miyazaki, M. Numata, S. Kim, W. Huang, S.I. Hong, M. Baldo, Ryan P. Adams, A. Alán, 2016, Design of efficient molecular organic light-emitting diodes by a high-throughput virtual screening and experimental approach, Nature Materials, Vol. 15, No. 10, pp. 1120-1127. https://doi.org/10.1038/nmat4717
G. Chen, Z. Shen, A. Lyer, U.F. Ghumman, S. Tang, J. Bi, W. Chen, Y. Li, 2020, Machine-Learning-Assisted De Novo Design of Organic Molecules and Polymers: Opportunities and Challenges, Polymers, Vol. 12, No. 1, p. 163. https://doi.org/10.3390/polym12010163
K. Guo, Z. Yang, C. Yu, M.J. Buehler, 2021, Artificial intelligence and machine learning in design of mechanical materials, Materials Horizons, Vol. 8, No. 4, pp. 1153-1172. https://doi.org/10.1039/D0MH01451F
G. Chen, Z. Shen, Y. Li, 2020, A machine-learning-assisted study of the permeability of small drug-like molecules across lipid membranes, Physical Chemistry Chemical Physics, Vol. 22, No. 35, pp. 19687-19696. https://doi.org/10.1039/D0CP03243C
G. Rafael, A. Jorge, Timothy D. Hirzel, D. David, D. Maclaurin, B. Martin A., H.S. Chae, E. Markus, D.G. Ha, T. Wu, M. Georgios, S. Jeon, H. Kang, H. Miyazaki, M. Numata, S. Kim, W. Huang, S.I. Hong, M. Baldo, Ryan P. Adams, A. Alán, 2016, Design of efficient molecular organic light-emitting diodes by a high-throughput virtual screening and experimental approach, Nature Materials, Vol. 15, No. 10, pp. 1120-1127. https://doi.org/10.1038/nmat4717
G. Chen, Z. Shen, A. Lyer, U.F. Ghumman, S. Tang, J. Bi, W. Chen, Y. Li, 2020, Machine-Learning-Assisted De Novo Design of Organic Molecules and Polymers: Opportunities and Challenges, Polymers, Vol. 12, No. 1, p. 163. https://doi.org/10.3390/polym12010163
K. Guo, Z. Yang, C. Yu, M.J. Buehler, 2021, Artificial intelligence and machine learning in design of mechanical materials, Materials Horizons, Vol. 8, No. 4, pp. 1153-1172. https://doi.org/10.1039/D0MH01451F
G. Chen, Z. Shen, Y. Li, 2020, A machine-learning-assisted study of the permeability of small drug-like molecules across lipid membranes, Physical Chemistry Chemical Physics, Vol. 22, No. 35, pp. 19687-19696. https://doi.org/10.1039/D0CP03243C
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
단순 RNN과 RNN/LSTM을 이용한 주택시장 매매가 예측 비교 연구
한국정보과학회 학술발표논문집
2018 .06
-
CNN–RNN을 이용한 시뮬레이션 기반 항공기 자세 추정 연구
제어로봇시스템학회 논문지
2024 .10
-
A Simple Analysis Method to Predict the Large Amplitude Oscillatory Shear (LAOS) Flow Behavior of Viscoelastic Polymer Liquids
한국섬유공학회지
2015 .01
-
STFT와 RNN을 활용한 화자 인증 모델
정보보호학회논문지
2019 .12
-
RNN 기반 시계열 데이터 보간 모델 학습을 위한 최적의 학습 데이터 생성 기법 연구
한국정보과학회 학술발표논문집
2022 .12
-
RNN 을 이용한 소스코드 언어 변환 모델
한국정보과학회 학술발표논문집
2017 .06
-
RNN을 사용한 법률문서 분류 시스템에 관한 연구
한국통신학회 학술대회논문집
2019 .06
-
Water Level Forecasting based on Deep Learning : A Use Case of Trinity River-Texas-The United States : 미국 텍사스 트리니티강 사례연구
Journal of KIISE
2017 .06
-
솔더볼 신뢰성시험 데이터에 대한 RNN 적용 사례 연구
대한전자공학회 학술대회
2020 .11
-
RNN 알고리즘을 이용한 보행분석 기반 개인 식별방법 구현
한국정보과학회 학술발표논문집
2017 .06
-
순환신경망을 이용한 미측정 정두압 데이터 예측
한국자원공학회지
2019 .10
-
RNN을 이용한 특허 기술 분류
한국정보과학회 학술발표논문집
2018 .12
-
RNN 기반 음성 감정인식 기계학습 알고리즘
정보 및 제어 논문집
2017 .10
-
CNN과 RNN의 성능 비교
대한산업공학회 춘계공동학술대회 논문집
2018 .04
-
가상현실에서 RNN을 통한 몸의 포즈 추정
한국정보과학회 학술발표논문집
2019 .06
-
히스테리시스 거동을 하는 탄성체의 비선형 점탄성 구성방정식
대한기계학회 논문집 A권
2016 .04
-
RNN을 이용한 스마트 홈 환경의 난방 제어에 대한 연구
한국지능정보시스템학회 학술대회논문집
2020 .06
-
RNN 추론 프로세서를 위한 통합 검증 시스템
대한전자공학회 학술대회
2022 .06
-
전력 사용량 예측을 위한 RNN 기반의 Deep Learning 모델
제어로봇시스템학회 국내학술대회 논문집
2019 .05
-
RNN을 이용한 화재 재난 문장 탐지 정확도 향상에 관한 기법
한국측량학회 학술대회자료집
2018 .04
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-25-02-090965404