...
机译:数据驱动计算弹性中学习本构关系的内核方法
Univ Tokyo Math &
Informat Ctr Hongo 7-3-1 Tokyo 1138656 Japan;
Regularized least squares; Kernel method; Manifold learning; Data-driven computing; Model-free computational mechanics;
机译:笛卡尔神经网络本构模型和自动渐进法的数据驱动弹性成像
机译:数据驱动的计算弹性和非弹性的流形学习方法
机译:基准问题的适当广义分解计算方法:引入基于本构关系误差最小化的新策略
机译:二次构成关系对接合流量计算的影响
机译:确定裂纹扩展的复合材料的有效本构关系的计算方法。
机译:本构模型的数据驱动学习方法:在血管超弹性软组织中的应用
机译:“菲利普斯数据的卡尔内尔回归”摘要:经济学家认为菲利普斯曲线显示了通货膨胀与产出比率(失业率)之间的正(负)关系,可以从总需求 - 聚集供应设备中绘制出来。该文表明,菲利普斯曲线要求对总供给和总需求曲线的形式进行不太可能的限制。在这种情况下,将通货膨胀和能力利用数据作为估算潜在正式模型的基础是不恰当的。因此,本文使用非参数,数据驱动的方法来描述数据。核心回归的这种方法表明菲利普斯样本中的通货膨胀 - 失业关联在全球范围内是负面的,但在特定的失业范围内是不规则的。
机译:强大的控制,反馈和学习:数据驱动的方法