CNN 能否为高维复杂产品设计问题高效构建高精度模型？
计算机视觉与模式识别
2019-02-22 v3
摘要
随着非线性和维数的增加，当前流行的元建模技术难以构建可靠的元模型。为解决此问题，引入卷积神经网络（CNN）以高效构建高精度元模型。考虑到 CNN 的固有特性，它是一种有潜力的建模工具，可在有限训练样本下处理高度非线性和高维（数百维）问题。为评估所提出的 CNN 元模型在数百维和强非线性问题上的表现，将 CNN 与其他元建模技术进行比较。此外，还采用若干高维解析函数来测试该 CNN 元模型。测试与比较证实了 CNN 元模型在数百维和强非线性问题上的效率与能力。而且，所提出的 CNN 元模型也成功应用于基于等几何分析（IGA）的优化。
引用
@article{arxiv.1712.01639,
title = {Can CNN Construct Highly Accurate Models Efficiently for High-Dimensional Problems in Complex Product Designs?},
author = {Yu Li and Hu Wang and Juanjuan Liu},
journal= {arXiv preprint arXiv:1712.01639},
year = {2019}
}