Kullanım Kılavuzu
Neden sadece 3 sonuç görüntüleyebiliyorum?
Sadece üye olan kurumların ağından bağlandığınız da tüm sonuçları görüntüleyebilirsiniz. Üye olmayan kurumlar için kurum yetkililerinin başvurması durumunda 1 aylık ücretsiz deneme sürümü açmaktayız.
Benim olmayan çok sonuç geliyor?
Birçok kaynakça da atıflar "Soyad, İ" olarak gösterildiği için özellikle Soyad ve isminin baş harfi aynı olan akademisyenlerin atıfları zaman zaman karışabilmektedir. Bu sorun tüm dünyadaki atıf dizinlerinin sıkça karşılaştığı bir sorundur.
Sadece ilgili makaleme yapılan atıfları nasıl görebilirim?
Makalenizin ismini arattıktan sonra detaylar kısmına bastığınız anda seçtiğiniz makaleye yapılan atıfları görebilirsiniz.
 Görüntüleme 7
 İndirme 1
Derin öğrenme yöntemi ile temas uzunlukları tahmini
2023
Dergi:  
Gümüşhane Üniversitesi Fen Bilimleri Dergisi
Yazar:  
Özet:

Mühendislikte yaygın olarak karşılaşılan problemlerden biri de temas problemleridir. Son yıllarda araştırmacılar karmaşık ve uzun matematiksel ifadeler içeren çözümler yerine daha kısa sürede etkili çözümler sunabilen alternatif yöntemlere yönelmişlerdir . Bu çalışmada, elastik iki dairesel punch ile bastırılan homojen elastik tabakada meydana gelen temas uzunluklarının tahmini yapılmıştır. Bu amaçla makine öğrenmesi alanında son zamanların popüler konusu olan derin öğrenme tekniği kullanılmıştır. Derin öğrenme yapılarından Derin Öğrenme Sinir Ağı (DNN) kullanılarak tahmin için yeni bir model tasarlanmıştır. Homojen elastik tabaka ile punchların kayma modülleri oranı ve punch yarıçaplarından oluşan giriş parametreleri ile beslenen DNN modelinin çıkışında temas uzunluklarının tahmini sağlanmıştır. Modelin eğitimi için analitik çözüm ile elde edilen veriler kullanılmıştır. Ayrıca, sonlu elemanlar yöntemi ile çözümden elde edilen sonuçlar sunulmuş ve DNN sonuçları desteklenmiştir. Çalışmada elde edilen sonuçlar, literatürdeki elastisite teorisi ve klasik Neural Network ile yapılan çözümlerden elde edilen sonuçlarla kıyaslanmıştır. Sonuç olarak klasik Neural Network ile yapılan çözüme kıyasla DNN modeli çok daha kısa sürede ve daha az hatayla sonuçlar elde etmiştir. Sunulan bu modelin temas uzunluğu tahmininde kullanılabilecek etkili bir yaklaşım olduğu söylenebilir.

Anahtar Kelimeler:

Estimation Of Contact Lengths Using Deep Neural Network
2023
Yazar:  
Özet:

One of the most common problems in engineering is contact problems. In recent years, researchers have turned to alternative methods that can offer effective solutions in a shorter time, instead of solutions containing complex and long mathematical expressions. This study focuses on the estimation of the contact lengths in a homogeneous elastic layer suppressed by two elastic punches with two solution methods. Firstly, a new model was designed for estimation using Deep Learning Neural Network (DNN), one of the deep learning structures. Estimation of contact lengths was provided with the output of the DNN model, which was fed with the homogeneous elastic layer, the ratio of shear modules of the punches and the input parameters of punch radii. The finite element method was used as the second solution method. The problem was modeled in the ANSYS programme and the solution was made with the same parameters used in DNN modeled. The results obtained from both solutions were compared with the solutions obtained by the theory of elasticity and classical NN in the literature. It had been seen that the results obtained with DNN and ANSYS were compatible with the results obtained with analytical and classical NN and the margin of error was smaller.

Anahtar Kelimeler:

Atıf Yapanlar
Bilgi: Bu yayına herhangi bir atıf yapılmamıştır.
Benzer Makaleler








Gümüşhane Üniversitesi Fen Bilimleri Dergisi

Alan :   Fen Bilimleri ve Matematik; Mimarlık, Planlama ve Tasarım; Mühendislik; Ziraat, Orman ve Su Ürünleri

Dergi Türü :   Uluslararası

Metrikler
Makale : 674
Atıf : 1.261
2023 Impact/Etki : 0.167
Gümüşhane Üniversitesi Fen Bilimleri Dergisi