भौतिकी-संवर्धित तंत्रिका नेटवर्क के साथ विज्कोइलास्टिसिटी: निर्धारित आंतरिक परिवर्तकों के बिना मॉडल निर्माण और प्रशिक्षण विधियाँ

संक्षेप हम छोटे तनाव पर गैर-रेखीय विज्कोइलास्टिक सामग्रियों के डेटा-चालित मॉडलिंग के लिए एक दृष्टिकोण प्रस्तुत करते हैं जो भौतिकी-संवर्धित तंत्रिका नेटवर्क (NNs) पर आधारित है और प्रशिक्षण के लिए केवल तनाव और विरक्षण पथ की आवश्यकता होती है। मॉडल सामान्यीकृत मानक सामग्रियों के सिद्धांत पर निर्मित है और इसलिए निर्माण द्वारा उष्मागतिक रूप से संगत है। इसमें एक मुक्त ऊर्जा और एक अपव्यय पोटेंशियल शामिल है, जिसे उनके टेन्सर तर्कों के घटकों या उपयुक्त सेट के अनुसार व्यक्त किया जा सकता है। दोनों संभावनाओं का वर्णन पूरी तरह से/جزئی रूप से इनपुट कॉन्वेक्स तंत्रिका नेटवर्क द्वारा किया गया है। तनाव और विरक्षण के पथ द्वारा NN मॉडल के प्रशिक्षण के लिए, एक दक्ष और लचीली प्रशिक्षण विधि विकसित की गई है जो प्रशिक्षण प्रक्रिया के दौरान स्वचालित रूप से आंतरिक चर उत्पन्न करती है। प्रस्तावित विधि का मानक परीक्षण किया गया है और मौजूदा दृष्टिकोणों के साथ पूरी तरह से तुलना की गई है। प्रशिक्षण हेतु आदर्श या शोर तनाव डेटा के साथ विभिन्न डेटाबेस तैयार किए गए हैं, जो एक पारंपरिक गैर-रेखीय विज्कोइलास्टिक संदर्भ मॉडल का उपयोग करके उत्पन्न किए गए हैं। समन्वय-आधारित और अविशिष्ट-आधारित रूपरेखा की तुलना की जाती है और बाद की लाभ प्रदर्शित की जाती है। इसके बाद, आदर्श या शोर तनाव डेटा का उपयोग करके तीन प्रशिक्षण विधियों को लागू करके अविशिष्ट-आधारित मॉडल को कैलिब्रेट किया जाता है। सभी विधियाँ अच्छे परिणाम देती हैं, लेकिन बड़े डेटा सेट के लिए सांख्यिकीय समय और उपयोगिता में भिन्न हैं। प्रस्तुत प्रशिक्षण विधि जो पुनरावृत्त (recurrent) सेल पर आधारित है, विशेष रूप से मजबूत और व्यापक रूप से लागू होती है। हम दिखाते हैं कि प्रस्तुत मॉडल पुनरावृत्त सेल के साथ प्रशिक्षण के लिए पूर्ण और सटीक 3डी संवैधानिक मॉडल प्रदान करता है, यहां तक कि Sparse द्वि- या एकांगी प्रशिक्षण डेटा के लिए भी।