| 标题 |
 A physics-informed deep learning framework for inversion and surrogate modeling in solid mechanics 相关领域
人工神经网络
冯·米塞斯屈服准则
有限元法
稳健性（进化）
计算机科学
等几何分析
非线性系统
人工智能
深度学习
机器学习
替代模型
算法
应用数学
数学优化
数学
物理
基因
热力学
量子力学
生物化学
化学
|
| 网址 | |
| DOI | |
| 其它 |
期刊：Computer Methods in Applied Mechanics and Engineering 作者：Ehsan Haghighat; Maziar Raissi; Adrian Moure; Héctor Gómez; Rubén Juanes 出版日期：2021-03-12 |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时，文件已从服务器自动删除，无法下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
PDF的下载单位、IP信息已删除
(2025-6-4)
Copyright
Kao
Nole
cdercder
GingerF
OK
Criminology34
柏柏
无极微光
Nexus
爱听歌的谷秋
雪满头
arniu2008
VDC
学术文献互助
丰富的草莓
小透明
Fellow_Lee
Puan
yjh123
皖公网安备34019202002308
