ActivationNet：用于预测工程设计中交互三维曲面接触质量的特征学习
机器学习
2021-03-23 v1
摘要
用于结构与流体系统分析的工程仿真需要各类几何三维曲面之间的接触信息，以准确建模其间的物理过程。在机器学习应用中，三维曲面最适宜用点云或网格表示，而从基于点的表示中学习交互几何体的表征具有挑战性。本工作的目标是引入一种机器学习算法 ActivationNet，其能从交互三维曲面的点云或网格中学习并预测这些曲面间的接触质量。ActivationNet 采用多维分箱方法从曲面的基于点的表示生成激活状态。该激活状态进一步通过深度神经网络用于曲面间的接触质量预测。我们通过若干实验验证了模型的性能，包括从工程几何中提取的交互曲面上的测试。在本文呈现的所有实验中，ActivationNet 的接触质量预测均与预期相符。
引用
@article{arxiv.2103.11288,
title = {ActivationNet: Representation learning to predict contact quality of interacting 3-D surfaces in engineering designs},
author = {Rishikesh Ranade and Jay Pathak},
journal= {arXiv preprint arXiv:2103.11288},
year = {2021}
}