Approximation-based approaches to identification of material model parameters

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21110%2F11%3A00187048" target="_blank" >RIV/68407700:21110/11:00187048 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
Approximation-based approaches to identification of material model parameters
Popis výsledku v původním jazyce
Increasing complexity of material models requires increasing efficiency and robustness of identification strategies. The presented contribution presents a comparison of several different approaches to parameters identification based on artificial neuralnetworks or genetic programming.
Název v anglickém jazyce
Approximation-based approaches to identification of material model parameters
Popis výsledku anglicky
Increasing complexity of material models requires increasing efficiency and robustness of identification strategies. The presented contribution presents a comparison of several different approaches to parameters identification based on artificial neuralnetworks or genetic programming.

Projekt
<a href="/cs/project/GPP105%2F11%2FP370" target="_blank" >GPP105/11/P370: Využití umělých neuronových sítí při víceúrovňovém modelování transportních procesů v heterogenních materiálech</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění
2011
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)