Das Artikel beschreibt die Entwicklung eines kontinuierlichen Lernansatzes für die kooperative Modellierung in der Mechanik. Es wird auf die Problematik des katastrophalen Vergessens bei künstlichen neuronalen Netzwerken eingegangen und ein neuer Ansatz vorgestellt, der es ermöglicht, mehrere konstitutive Gesetze sequenziell zu erlernen, ohne sie zu vergessen. Dieser Ansatz wird auf verschiedene Architekturen angewendet, insbesondere auf rekurrente neuronale Netzwerke zur Vorhersage von plastischem Verhalten. Durch kontinuierliches Lernen wird eine effizientere und kooperativere Modellierung ermöglicht.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Aleksandr De... at arxiv.org 03-11-2024
https://arxiv.org/pdf/2211.12971.pdfDeeper Inquiries