摘要
本发明公开了一种基于开尔文结构的点阵超材料设计方法。包括:首先,基于等距开尔文结构的基准空间坐标生成一组初始样本构型,并基于该组初始样本构型构建初始训练数据集;接着,以每组弹性常数分量的代表性弹性常数分量为预测值,训练获得各代表性弹性常数分量对应的多个基本预测函数;然后,更新训练数据集并对各代表性弹性常数分量对应的多个基本预测函数进行多次训练;更新迭代若干次后,确定各代表性弹性常数分量对应的最优基本预测函数并构建预测网络模型,利用预测网络模型迭代优化目标弹性常数矩阵对应的样本构型,获得最优的样本构型,进而完成点阵超材料的设计。本发明提出的方法大大减少了数据集生成和网络模型训练的耗时和计算量。
技术关键词
开尔文结构
超材料设计方法
预测网络模型
构型
样本
数据
机器学习模型
矩阵
网络模型训练
基准
坐标
顶点
计算机设备
存储器
处理器
算法
物理
尺寸
系统为您推荐了相关专利信息
信息安全评估
多媒体
拉格朗日插值
谱聚类算法
李雅普诺夫函数
光纤探针传感器
优化BP神经网络
AdaBoost算法
粒子群优化算法
测量方法
模型训练系统
测试特征
训练特征
模型训练方法
PID传感器
注意力
样本
高光谱图像数据
卷积神经网络提取
像素点