新闻资讯

在讲座中，高伟教授首先介绍道，机器学习需要根据训练样本建立代理模型，在形成输入与输出之间的关系之后，对样本进行训练，来替代原先的分析模型。以此替代有限元分析是不确定性分析的核心所在，而基于机器学习方法中支持向量机的数学描述相核对比较完备这一优势，高伟教授及其团队对其进行了四次优化。第一次是通过转化为二次规划进行求解优化；第二次结合两个超平面的性能，提高了计算的稳定性和精度；第三次借鉴AdaBoost X-SVR方法来进一步提高运输效率；第四次则成功去除极端离群值并抑制噪声数据的影响。而近期，高伟教授正致力于借助active learning的方法进一步提高扩展支持向量机的计算效率及精准度。

在改进方法的同时，高伟教授还分享了他与团队在各个领域的尝试，既包括线性的复合材料与结构问题，还涉及非线性的弹塑和断裂问题。如功能梯度材料的刚架结构、股骨头置换、膝关节置换、牙齿咬合、裂缝扩展、三维断裂分析等，精彩详实的算例介绍让与会者进一步了解到机器学习协助的不确定性结构分析和安全评估的应用优势。

讲座的最后，十沣团队与高伟教授进行深入的技术交流，重点讨论了代理模型优势、实验样本准确性和二次规划算法等问题。这些交流促进了教授与参会者之间的互动和经验分享，教授提供的宝贵专业知识和见解，进一步提升了十沣的技术实力，并为我们在结构领域内的研究和发展提供了新的启示和方向。

“十沣大讲堂”是由十沣发起的一项技术交流系列活动。活动不定期邀请高校和科研机构知名专家学者，通过线上讲座的方式，向十沣研发团队介绍仿真领域前沿技术成果与发展趋势。活动的成功举办将为十沣研发团队提供更广阔的技术视野，并为高校及科研机构工作者搭建起与产业用户交流沟通的桥梁。