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
- 학위논문
- 저자정보
- 지도교수
- 김용환
- 발행연도
- 2021
- 저작권
- 충남대학교 논문은 저작권에 의해 보호받습니다.
이용수33
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
일반적인 강소성 재료 구성방정식을 수행한 후 데이터를 추출하여 딥 러닝을 수행, 인공지능 강소성 구성방정식을 제작하여 이를 이용한 성형 해석을 통해 타당성을 검증함.
또한 학습되지 않은 비학습 성형 해석 모델을 대상으로 인공지능 강소성 구성방정식을 사용한 해석을 수행하여 학습되지 않은 모델에 보편적으로 사용할 수 있는지를 검토.
테스트 결과 보편적인 사용이 불가능하다고 판단될 시 원인을 파악하고 이를 해결할 수 있도록 더 넓은 범위의 데이터를 추출하여 새로운 딥 러닝을 수행, 넓은 범위를 학습한 새로운 인공지능 강소성 구성방정식의 제작 방안을 검토하고 이를 이용한 해석을 수행하여 결과를 확인한다.
또한 학습되지 않은 비학습 성형 해석 모델을 대상으로 인공지능 강소성 구성방정식을 사용한 해석을 수행하여 학습되지 않은 모델에 보편적으로 사용할 수 있는지를 검토.
테스트 결과 보편적인 사용이 불가능하다고 판단될 시 원인을 파악하고 이를 해결할 수 있도록 더 넓은 범위의 데이터를 추출하여 새로운 딥 러닝을 수행, 넓은 범위를 학습한 새로운 인공지능 강소성 구성방정식의 제작 방안을 검토하고 이를 이용한 해석을 수행하여 결과를 확인한다.
목차
1. 서 론1.1 연구의 필요성1.2 연구 동향1.2.1 인공지능의 연구 동향1.2.2 기계/금속 공학에 접목한 인공지능의 연구 동향2. 관련 이론2.1 강소성 재료모델 유한요소법2.2 인공 신경망3. 단일 강소성 성형 해석 기반 학습3.1 강소성 성형 해석 및 학습 데이터 추출3.2 딥 러닝 수행4. 복수의 강소성 성형해석 기반 학습4.1 복수의 강소성 성형 해석 및 학습 데이터 추출4.2 딥 러닝 수행4.3 인공지능 강소성 구성방정식을 적용한 유한요소 해석5. 결론
최근 본 자료
댓글(0)
0