一种基于图神经网络的结构动力学模型生成方法
公开
摘要
本发明公开了一种基于图神经网络的结构动力学模型的生成方法，所述方法包括：确定目标结构，获取所述目标结构的结构响应数据和拓扑信息；根据所述结构响应数据和所述拓扑信息对预设的人工神经网络进行训练；将训练后的所述人工神经网络作为所述目标结构对应的结构动力学模型。应用本发明生成的结构动力学模型可以计算(预测)结构的动力学响应。本发明通过将目标结构的拓扑信息引入深度学习网络的框架之中，可以在不失去深度学习网络对于目标结构的物理特征的提取能力的同时，一定程度上提高模型的泛化能力，实现人工神经网络模型在不同拓扑结构中的转换。解决了现有技术中用于模拟结构动力学的深度学习网络泛化能力差的问题。
基本信息
专利标题 ：
一种基于图神经网络的结构动力学模型生成方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114564878A
申请号 ：
CN202111674213.9
公开（公告）日 ：
2022-05-31
申请日 ：
2021-12-31
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
王迎张俊
申请人 ：
哈尔滨工业大学（深圳）
申请人地址 ：
广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区
代理机构 ：
深圳市君胜知识产权代理事务所(普通合伙)
代理人 ：
李可
优先权 ：
CN202111674213.9
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27 G06N3/04 G06N3/08 G06F119/14
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/27
使用机器学习，例如人工智能，神经网络，支持向量机或训练模型
法律状态
2022-05-31 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
