Подскажите пожалуйста, какие методы разложения позволяют с погрешностью не более 5% подсказать выходной параметр с наименьшей базой обучения?
Для примера: 10 входных параметров, задача нелинейная, но без резих изломов.
Проблема в том, что расчет одного случая занимает около 30 минут и база для обучения соответственно ограничена, условно не более 100 случаев.
П.с. проблема актуальная в связи с внедрением технологий vvuq в обоснование точности компьютерной модели (цифровые двойники).
П.с. с. Мировая практика рекомендует метод полиномиального хаоса, но он очень прожорлив при указанных исходных данных (10 входных параметров, полином как минимум 2 порядка).
Так как в теме, то от прочитанного навеяло "аххх, как наивно".
Вы меня простите за въедливость, но достаточно прочесть коротенький гост по виртуальным испытаниям, чтобы понять необходимость испытаний.
Обьем испытаний меняется, с этим я не спорю, но без испытания нет валидации, а без валидированной модели перейти к виртуальным испытаниям нельзя.
Согласен с тем, что профессия усложняется и требует дополнительных навыков и знаний. Но самый востребованный навык в этом это умение прочниста-расчетчика поставить эксперимент (а он сильно изменился (усложнился) из-за необходимости получения большого объёма данных для валидации и это важно осознать как можно раньше), обьем тензометрии, валидация модели, экстраполяция результата.
Как же уже достало, что о космосе пишут люди несведущие. Нулевое понимание задач по некоторым проектам. Смотрят на космос как бизнес и при этом имеют нулевое представление о технологиях и пр.
Автор, ты в структуре Роскосмоса работаешь? Знаешь ситуацию изнутри?
Читал в предвкушении примера, жаль его нет. Тема то интересная.
Статью выпускали по поводу разработанного ПО?
Извините за въедливость, но вы говорили про валидацию (сравнение результатов моделирования с экспериментальными данными), а не верификацию (сравнение решения полученных с ПО и эталонного решения [частный случай - аналитическое решение]). Если правильно вас понял.
Да, так и есть. Буквально как месяц назад начал пользоваться ИИ для оформления материалов в статью, очень удобно!
Комментаторы не совсем понимают, что без экспертизы голый материал от ИИ содержит неточности, порой даже грубые. Но именно как аппарат для подбора литературы и структурирования текста он прекрасен!
Плюс он проверит и подскажет, что было бы хорошо добавить в статью и много чего еще.
В общем применение ИИ в написание статей, отчетов и т.д. это ближайшее будущее каждого научного работника.
Хочешь рассмешить Бога, расскажи о своих планах.
В отношении того, как повлияет ИИ на рынок труда это особенно смешно.
Слишком уж сложно понять, до каких пределов эта технология будет развиваться.
Подскажите пожалуйста, какие методы разложения позволяют с погрешностью не более 5% подсказать выходной параметр с наименьшей базой обучения?
Для примера: 10 входных параметров, задача нелинейная, но без резих изломов.
Проблема в том, что расчет одного случая занимает около 30 минут и база для обучения соответственно ограничена, условно не более 100 случаев.
П.с. проблема актуальная в связи с внедрением технологий vvuq в обоснование точности компьютерной модели (цифровые двойники).
П.с. с. Мировая практика рекомендует метод полиномиального хаоса, но он очень прожорлив при указанных исходных данных (10 входных параметров, полином как минимум 2 порядка).
Не переживайте, если статьи будут дельные, то и иностранные статьи найдут своего читателя в России.
А уже написанные статьи, раз они есть на elibrary.ru, не потеряются.
Всего вам наилучшего :)
В таком случае одно из трёх: а) либо вы слишком молоды, б) либо намерено пишите очерняющие материалы, в) либо по глупости.
Спасибо за информацию, было интересно.
Так как в теме, то от прочитанного навеяло "аххх, как наивно".
Вы меня простите за въедливость, но достаточно прочесть коротенький гост по виртуальным испытаниям, чтобы понять необходимость испытаний.
Обьем испытаний меняется, с этим я не спорю, но без испытания нет валидации, а без валидированной модели перейти к виртуальным испытаниям нельзя.
Согласен с тем, что профессия усложняется и требует дополнительных навыков и знаний. Но самый востребованный навык в этом это умение прочниста-расчетчика поставить эксперимент (а он сильно изменился (усложнился) из-за необходимости получения большого объёма данных для валидации и это важно осознать как можно раньше), обьем тензометрии, валидация модели, экстраполяция результата.
Привет вам от коллеги из ракетостроения.
Автор, спасибо за юмор!
Айтишники, они же вообще все знают лучше других, разве может быть иначе...
Как же уже достало, что о космосе пишут люди несведущие. Нулевое понимание задач по некоторым проектам. Смотрят на космос как бизнес и при этом имеют нулевое представление о технологиях и пр.
Автор, ты в структуре Роскосмоса работаешь? Знаешь ситуацию изнутри?
Читал в предвкушении примера, жаль его нет. Тема то интересная.
Статью выпускали по поводу разработанного ПО?
Извините за въедливость, но вы говорили про валидацию (сравнение результатов моделирования с экспериментальными данными), а не верификацию (сравнение решения полученных с ПО и эталонного решения [частный случай - аналитическое решение]). Если правильно вас понял.
Жаль вас расстраивать, но вам было дано то, что вы попросили.
Изложите ровно обратный тезис и ИИ вам подтвердит его.
Если вы хотите честно проверить, то не предлагайте ответ в своем вопросе. Не упоминайте риторику.
Да, так и есть. Буквально как месяц назад начал пользоваться ИИ для оформления материалов в статью, очень удобно!
Комментаторы не совсем понимают, что без экспертизы голый материал от ИИ содержит неточности, порой даже грубые. Но именно как аппарат для подбора литературы и структурирования текста он прекрасен!
Плюс он проверит и подскажет, что было бы хорошо добавить в статью и много чего еще.
В общем применение ИИ в написание статей, отчетов и т.д. это ближайшее будущее каждого научного работника.