基于金字塔神经网络的滞回行为模拟：原理、网络架构、案例研究与解释
机器学习
2023-06-21 v2
摘要
对材料与构件滞回行为的准确高效模拟对结构分析至关重要。基于神经网络的代理模型在平衡效率与精度方面展现出显著潜力。然而，其串行信息流与基于单级特征的预测 adversely影响网络性能。为此，本文提出一种加权堆叠金字塔神经网络架构。该网络通过引入多级快捷连接以在输出模块中直接整合特征，从而建立金字塔架构。此外，提出一种加权堆叠策略以增强常规特征融合方法。随后，将重新设计的架构与其他常用网络架构进行比较。结果表明，重新设计的架构在87.5%的案例中优于替代方案。同时，通过专门设计的实验分析了不同基础网络架构的长短期记忆能力，可为网络选择提供有价值的建议。
引用
@article{arxiv.2206.03990,
title = {Hysteretic Behavior Simulation Based on Pyramid Neural Network:Principle, Network Architecture, Case Study and Explanation},
author = {Yongjia Xu and Xinzheng Lu and Yifan Fei and Yuli Huang},
journal= {arXiv preprint arXiv:2206.03990},
year = {2023}
}
备注
41 pages, 14 figures