公开(公告)号：CN117350160B

公开(公告)日：2024-04-26

申请号：CN202311354678.5

申请日：2023-10-18

Applicant: 河海大学

Inventor： 伞冰冰 ,  任高科 ,  俞凯翰

IPC: G06F30/27 ,  G06F30/23 ,  G06F18/214 ,  G06N3/0499 ,  G06F119/02

Abstract: 本发明公开了一种基于深度学习的单层网壳构件替换最优顺序确定方法。该方法首先通过搭建深度前馈神经网络模型，生成单层网壳预替换构件的特征参数与对应的构件重要性系数之间的非线性关系；再基于重要构件后替换的原则，对深度前馈神经网络输出的构件重要性系数由小到大排序，得出构件最优替换顺序。本发明基于深度学习强大的数值分析能力和拟合能力，计算速度快，计算结果精度高。

公开(公告)号：CN117350160A

公开(公告)日：2024-01-05

申请号：CN202311354678.5

申请日：2023-10-18

Applicant: 河海大学

Inventor： 伞冰冰 ,  任高科 ,  俞凯翰

IPC: G06F30/27 ,  G06F30/23 ,  G06F18/214 ,  G06N3/0499 ,  G06F119/02

Abstract: 本发明公开了一种基于深度学习的单层网壳构件替换最优顺序确定方法。该方法首先通过搭建深度前馈神经网络模型，生成单层网壳预替换构件的特征参数与对应的构件重要性系数之间的非线性关系；再基于重要构件后替换的原则，对深度前馈神经网络输出的构件重要性系数由小到大排序，得出构件最优替换顺序。本发明基于深度学习强大的数值分析能力和拟合能力，计算速度快，计算结果精度高。