Buchumschlag

Vehicle Suspension Recommendation System: Multi-Fidelity Neural Network-based Mechanism Design Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Sumin, Kang, Namwoo
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computational Physics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Deep Generative Model-based Synthesis of Four-bar Linkage Mechanisms with Target Conditions
von: Lee, Sumin, et al.
Veröffentlicht: (2024)

Modular Mechanism Design Optimization in Large-Scale Systems with Manufacturing Cost Considerations
von: Lee, Sumin, et al.
Veröffentlicht: (2025)

Bayesian Mesh Optimization for Graph Neural Networks to Enhance Engineering Performance Prediction
von: Park, Jangseop, et al.
Veröffentlicht: (2024)

Deep Generative Design for Mass Production
von: Kim, Jihoon, et al.
Veröffentlicht: (2024)

Efficient Aircraft Design Optimization Using Multi-Fidelity Models and Multi-fidelity Physics Informed Neural Networks
von: Sarker, Apurba
Veröffentlicht: (2024)

Forward and Inverse Simulation of Pseudo-Two-Dimensional Model of Lithium-Ion Batteries Using Neural Networks
von: Lee, Myeong-Su, et al.
Veröffentlicht: (2024)

Data-Driven Physics-Informed Neural Networks: A Digital Twin Perspective
von: Yang, Sunwoong, et al.
Veröffentlicht: (2024)

Multi-objective Generative Design Framework and Realization for Quasi-serial Manipulator: Considering Kinematic and Dynamic Performance
von: Lee, Sumin, et al.
Veröffentlicht: (2024)

Diffusion-Based Hierarchical Graph Neural Networks for Simulating Nonlinear Solid Mechanics
von: Würth, Tobias, et al.
Veröffentlicht: (2025)

Multi-Fidelity Machine Learning for Excited State Energies of Molecules
von: Vinod, Vivin, et al.
Veröffentlicht: (2023)

Point-DeepONet: Predicting Nonlinear Fields on Non-Parametric Geometries under Variable Load Conditions
von: Park, Jangseop, et al.
Veröffentlicht: (2024)

AI-powered Digital Twin of the Ocean: Reliable Uncertainty Quantification for Real-time Wave Height Prediction with Deep Ensemble
von: Lee, Dongeon, et al.
Veröffentlicht: (2024)

Response Estimation and System Identification of Dynamical Systems via Physics-Informed Neural Networks
von: Haywood-Alexander, Marcus, et al.
Veröffentlicht: (2024)

Supervised Metric Regularization Through Alternating Optimization for Multi-Regime Physics-Informed Neural Networks
von: Spotorno, Enzo Nicolas, et al.
Veröffentlicht: (2026)

Using Machine Learning and Neural Networks to Analyze and Predict Chaos in Multi-Pendulum and Chaotic Systems
von: Ramachandruni, Vasista, et al.
Veröffentlicht: (2025)

Deep Learning-Based Prediction of Suspension Dynamics Performance in Multi-Axle Vehicles
von: Lin, Kai Chun, et al.
Veröffentlicht: (2024)

High-Fidelity Prediction of Perturbed Optical Fields using Fourier Feature Networks
von: Jandrell, Joshua R., et al.
Veröffentlicht: (2025)

LT-PINN: Lagrangian Topology-conscious Physics-informed Neural Network for Boundary-focused Engineering Optimization
von: Zhou, Yuanye, et al.
Veröffentlicht: (2025)

DeepWheel: Generating a 3D Synthetic Wheel Dataset for Design and Performance Evaluation
von: Yoo, Soyoung, et al.
Veröffentlicht: (2025)

X-MeshGraphNet: Scalable Multi-Scale Graph Neural Networks for Physics Simulation
von: Nabian, Mohammad Amin, et al.
Veröffentlicht: (2024)

Fast, Convex and Conditioned Network for Multi-Fidelity Vectors and Stiff Univariate Differential Equations
von: Rout, Siddharth
Veröffentlicht: (2025)

Implicit Delta Learning of High Fidelity Neural Network Potentials
von: Thaler, Stephan, et al.
Veröffentlicht: (2024)

Neural Operators for Accelerating Scientific Simulations and Design
von: Azizzadenesheli, Kamyar, et al.
Veröffentlicht: (2023)

Parameterized Physics-informed Neural Networks for Parameterized PDEs
von: Cho, Woojin, et al.
Veröffentlicht: (2024)

Symmetry-Constrained Multi-Scale Physics-Informed Neural Networks for Graphene Electronic Band Structure Prediction
von: Lee, Wei Shan, et al.
Veröffentlicht: (2025)

Taper-based scattering formulation of the Helmholtz equation to improve the training process of Physics-Informed Neural Networks
von: Dörfler, W., et al.
Veröffentlicht: (2024)

Leveraging Trust for Joint Multi-Objective and Multi-Fidelity Optimization
von: Irshad, Faran, et al.
Veröffentlicht: (2021)

Muti-Fidelity Prediction and Uncertainty Quantification with Laplace Neural Operators for Parametric Partial Differential Equations
von: Zheng, Haoyang, et al.
Veröffentlicht: (2025)

Residual Attention Physics-Informed Neural Networks for Robust Multiphysics Simulation of Steady-State Electrothermal Energy Systems
von: Zhou, Yuqing, et al.
Veröffentlicht: (2026)

SPINONet: Scalable Spiking Physics-informed Neural Operator for Computational Mechanics Applications
von: Garg, Shailesh, et al.
Veröffentlicht: (2026)

Multi-Fidelity Methods for Optimization: A Survey
von: Li, Ke, et al.
Veröffentlicht: (2024)

Multi-Fidelity Bayesian Neural Network for Uncertainty Quantification in Transonic Aerodynamic Loads
von: Vaiuso, Andrea, et al.
Veröffentlicht: (2024)

Model-Agnostic AI Framework with Explicit Time Integration for Long-Term Fluid Dynamics Prediction
von: Yang, Sunwoong, et al.
Veröffentlicht: (2024)

Integrating Wide and Deep Neural Networks with Squeeze-and-Excitation Blocks for Multi-Target Property Prediction in Additively Manufactured Fiber Reinforced Composites
von: Parvaresh, Behzad, et al.
Veröffentlicht: (2025)

Gradient Alignment in Physics-informed Neural Networks: A Second-Order Optimization Perspective
von: Wang, Sifan, et al.
Veröffentlicht: (2025)

Hierarchical Multi-Fidelity Learning for Predicting Three-Dimensional Flame Wrinkling and Turbulent Burning Velocity
von: Zolfaghari, Saghar, et al.
Veröffentlicht: (2026)

Multi-resolution Physics-Aware Recurrent Convolutional Neural Network for Complex Flows
von: Cheng, Xinlun, et al.
Veröffentlicht: (2025)

Statistical Learning Analysis of Physics-Informed Neural Networks
von: Barajas-Solano, David A.
Veröffentlicht: (2026)

Uncertainty Quantification in Graph Neural Networks with Shallow Ensembles
von: Vinchurkar, Tirtha, et al.
Veröffentlicht: (2025)

Evidential Physics-Informed Neural Networks for Scientific Discovery
von: Tan, Hai Siong, et al.
Veröffentlicht: (2025)