檢索結果:共3筆資料 檢索策略: "functional".ekeyword (精準) and cadvisor.raw="潘誠平"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
本文主要目標為,測試並嘗試以徑向基底類神經網路(Radial Basis Function Neural Network, RBFNN),進行簡支梁位移場之模擬,以試圖替代無元素方法在位移場模擬時,…
2
傳統有限元素法通常係以位移作為基本未知數,而其在求解應變時需透過微分降次,因此導致應變場的結果較為不精確。而本研究係採用以應變作為基本未知數來計算,目的在於將應變積分後得到的位移場較傳統位移場之…
3
本文主要說明輻狀基底函數(RBF)類神經網路以及微分再生核法(DRKM)之理論基礎,以比較兩者模擬方法上的差異。輻狀基底函數類神經網路主要是以中心點之選取求得標準差,以決定影響寬度來控制整個網路的運…