題する論文で"深いボトムアップ光造 (SLA) 3 D 印刷プロセス、学習による応力予測"という名前のアーディティヤ Pramod Khadlikar バッファロー学生で大学説明 SLA 3 D で部品の応力分布の予測法深い学習フレームワークを使用してを印刷します。フレームワークはさまざまな幾何学的特徴"3 D の FE シミュレーション モデルの入力と回を訓練する対応するラベル (出力) を作成するために使用データベースに存在だけでなく、リアルな 3 D 部品で見つけることができますをキャプチャする新しい 3 D モデル データベースで構成されていますe DL ネットワーク」
複数のサンプルは、CNN を使用してテストされました。特定のレイヤーに同じような断面を持ついくつかの部分を調べ、特定の層の応力分布を判定します。Khadlikar と彼の同僚は、特定のさまざまな部分層を同一の断面はそのレイヤーに異なる応力分布を持っていたが見つかりました。
1 つの重要な結論は、CNN は FEA シミュレーションよりもはるかに高速です。データ セットは、ピーク応力層上の応力分布を決定する前のレイヤーに依存している情報などのパラメーターを決定するため、作業を効果的に作成。一般に、圧力予測に使用される単純なニューラル ネットワーク モデルより深い学習モデルを実行します。
