Institutional Repository [SANDBOX]
Technical University of Crete
EN  |  EL

Search

Browse

My Space

Physics informed neural networks (PINNs) for composite materials

Karamitsos Marios

Simple record


URIhttp://purl.tuc.gr/dl/dias/1B185FDC-66D8-430A-A7DC-8B497480AB1F-
Identifierhttps://doi.org/10.26233/heallink.tuc.100896-
Languageel-
Extent64 σελίδεςel
Extent2 megabytesen
TitleΝευρωνικά δίκτυα εμπνευσμένα από τη φυσική για σύνθετα υλικάel
TitlePhysics informed neural networks (PINNs) for composite materialsen
CreatorKaramitsos Mariosen
CreatorΚαραμητσος Μαριοςel
Contributor [Committee Member]Nikolos Ioannisen
Contributor [Committee Member]Νικολος Ιωαννηςel
Contributor [Committee Member]Tsafarakis Steliosen
Contributor [Committee Member]Τσαφαρακης Στελιοςel
Contributor [Thesis Supervisor]Stavroulakis Georgiosen
Contributor [Thesis Supervisor]Σταυρουλακης Γεωργιοςel
PublisherΠολυτεχνείο Κρήτηςel
PublisherTechnical University of Creteen
Academic UnitTechnical University of Crete::School of Production Engineering and Managementen
Academic UnitΠολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησηςel
DescriptionΜεταπτυχιακή διατριβή που υποβλήθηκε στη σχολή ΜΠΔ του Πολ. Κρήτης για την πλήρωση προϋποθέσεων λήψης του Μεταπτυχιακού Διπλώματος Ειδίκευσηςel
Content SummaryΣτόχος της παρούσας εργασίας είναι η επίλυση διαφορικών εξισώσεων για την περιγραφή της συμπεριφοράς μοντέλων επίπεδης ελαστικότητας με χρήση μεθόδων υπολογιστικής νοημοσύνης συνδυάζοντας κατά αυτόν τον τρόπο το επιστημονικό πεδίο της υπολογιστικής μηχανικής με τις τεχνικές μηχανικής μάθησης. Η μέθοδος Physics Informed Neural Networks (PINNs) χρησιμοποιείται για την εύρεση των πεδίων μετατοπίσεων, παραμορφώσεων και τάσεων σε βασικά στοιχεία κατασκευών όπως η ράβδος και ο τετράγωνος δίσκος μέσω εξειδικευμένων πακέτων προγραμματισμού. Στην εργασία γίνεται αναφορά στην θεωρία ελαστικότητας και στη μοντελοποίηση των βασικών εξισώσεων που περιγράφουν τέτοια προβλήματα. Ορίζεται το θεωρητικό υπόβαθρο των PINN και αποσαφηνίζεται ο τρόπος λειτουργίας των κυριότερων συστατικών της μεθόδου όπως ο αλγόριθμος ανάστροφης διάδοσης σφάλματος ενώ ιδιαίτερη αναφορά γίνεται στην τεχνική της αυτόματης παραγώγισης. Στη συνέχεια υλοποιείται προγραμματιστικά η εφαρμογή και διερευνάται η πιστότητα της μέσα από παραδείγματα μηχανικής.el
Type of ItemΜεταπτυχιακή Διατριβήel
Type of ItemMaster Thesisen
Licensehttp://creativecommons.org/licenses/by/4.0/en
Date of Item2024-09-16-
Date of Publication2024-
SubjectΜηχανική Μάθησηel
SubjectΑριθμητική ανάλυσηel
SubjectΝευρωνικά δίκτυαel
SubjectYπολογιστική μηχανικήel
Bibliographic CitationΜάριος Καραμήτσος, "Νευρωνικά δίκτυα εμπνευσμένα από τη φυσική για σύνθετα υλικά", Μεταπτυχιακή Διατριβή, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2024el
Bibliographic CitationMarios Karamitsos, "Physics informed neural networks (PINNs) for composite materials", Master Thesis, School of Production Engineering and Management, Technical University of Crete, Chania, Greece, 2024en

Available Files

Services

Statistics