一种用于模拟双层板大弯曲变形的预训练深度学习方法

我们提出一种基于深度学习的方法来模拟双层板的大弯曲变形。受贪婪算法启发，我们提出在一组嵌套区域上进行预训练的方法，该方法加速了训练的收敛并更有效地找到绝对极小元。所提方法展现出收敛到绝对极小元的能力，克服了梯度流方法陷入局部极小 basin 的局限。通过数值实验，我们在较少自由度下展示了相对于能量误差和极小元的相对 $L^2$ 误差更好的性能。此外，我们的方法成功保持了等距约束的 $L^2$ 范数，从而提高了精度。