Apprentissage non-supervisé de lois de comportement nonlinéaires avec réseau de neurones thermodynamiquement consistent par minimisation de l'erreur en relation de comportement modifiée - Archive ouverte HAL Accéder directement au contenu
Pré-Publication, Document De Travail (Preprint/Prepublication) Année : 2024

Apprentissage non-supervisé de lois de comportement nonlinéaires avec réseau de neurones thermodynamiquement consistent par minimisation de l'erreur en relation de comportement modifiée

Résumé

Cet article propose une méthode d'apprentissage de lois de comportement nonsupervisé, fondée sur la minimisation de l'erreur en relation de comportement modifiée. La loi de comportement, en termes de loi d'état et d'équation d'évolution, est représentée par un réseau de neurones vérifiant par construction les principes thermodynamiques. La méthode est illustrée sur l'apprentissage d'une loi d'écrouissage non-linéaire avec des données synthétiques issues de fibres optiques (mesure de déformation).
Fichier principal
Vignette du fichier
CSMA_benady.pdf (633.59 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04361339 , version 1 (01-01-2024)

Identifiants

  • HAL Id : hal-04361339 , version 1

Citer

Antoine Benady, Emmanuel Baranger, Ludovic Chamoin. Apprentissage non-supervisé de lois de comportement nonlinéaires avec réseau de neurones thermodynamiquement consistent par minimisation de l'erreur en relation de comportement modifiée. 2024. ⟨hal-04361339⟩
39 Consultations
29 Téléchargements

Partager

Gmail Facebook X LinkedIn More