发布时间：2022-09-13 13:01:34

深度学习框架卷积神经网络，卷积核、池化、通道、激活函数参数初始化方法、损失函数Loss、过拟合迁移学习TL图神经网络GNN1、空间相关性的非结构化数据，CNN算法。典型的图像数据，像素点之间具有空间相关性，例如图像的分类、分割、检测都是CNN算法。3、非欧氏数据结构， GNN。这类场景典型.........【阅读全文】

发布时间：2022-09-12 12:21:35

关键词: 深度学习, 流体力学, 降阶技术, 流场重构, 几何特征提取, 非线性系统建模 维度高、非线性强、数据量大是流体力学问题的主要特点。近年来火热的深度学习技术由于以数据驱动为主、可以解决高维复杂问题，目前已在流体力学领域得到了一定应用。文章结合课题组近期研究探讨了流体力学深度学习建模技术.........【阅读全文】

发布时间：2022-09-09 13:27:12

基于工业界及学术界对数字孪生的定义，《智能制造术语解读》将数字孪生技术定义为：是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。但是除了一些晦涩难懂、 诘屈聱牙的概念外，大部分人对于数.........【阅读全文】

发布时间：2022-09-07 11:11:25

万超表示，数实融合的大背景下，数字孪生作为复杂技术的代表，已经进入一个产业爆发期，技术的进步和应用的拓展推动了产业互联网的蓬勃发展。腾讯的数字孪生依托体系化的技术能力，已经在交通、建筑、园区、城市、工业、水务等多个领域打造创新实践，目前正以更加开放化、标准化的姿态为更多行业提供助力。腾讯数字孪.........【阅读全文】

发布时间：2022-09-06 10:46:40

Accurate prediction of concrete compressive strength based on explainable features using deep learningZiyue Zeng（Key Laboratory of Advanced Civil Engineering Materials of Ministry of Education, Tongji University, Shanghai 201804, China）Wu Yao（School of Materials Science and Engineering,.........【阅读全文】