Apprendimento automatico, approssimazioni a basso rango e modellazione di ordine ridotto nella meccanica computazionale

Titolo originale:

Machine Learning, Low-Rank Approximations and Reduced Order Modeling in Computational Mechanics

Contenuto del libro:

L'uso dell'apprendimento automatico nella meccanica è in piena espansione. Gli algoritmi ispirati agli sviluppi nel campo dell'intelligenza artificiale coprono oggi campi di applicazione sempre più vari.

Questo libro illustra i risultati recenti sull'accoppiamento dell'apprendimento automatico con la meccanica computazionale, in particolare per la costruzione di modelli surrogati o di modelli di ordine ridotto. Gli articoli contenuti in questa raccolta sono stati presentati al Colloquio EUROMECH 597, "Reduced Order Modeling in Mechanics of Materials", tenutosi a Bad Herrenalb, Germania, dal 28 al 31 agosto 2018. In questo libro, le reti neurali artificiali sono accoppiate a modelli basati sulla fisica.

Il formato tensoriale dei dati di simulazione viene sfruttato in modelli surrogati o per il pruning dei dati. Vengono proposti vari modelli di ordine ridotto tramite strategie di apprendimento automatico applicate ai dati di simulazione.

Poiché i modelli di ordine ridotto hanno errori di approssimazione specifici, in questo libro vengono proposti anche degli stimatori di errore. Gli esempi numerici proposti sono molto vicini a problemi ingegneristici.

Il lettore troverà in questo libro un utile riferimento per identificare i progressi nell'apprendimento automatico e nella modellazione di ordine ridotto per la meccanica computazionale.